Networks of microstructural damage predict disability in multiple sclerosis
Notice bibliographique
Résumé
BACKGROUND: Network-based measures are emerging MRI markers in multiple sclerosis (MS). We aimed to identify networks of white (WM) and grey matter (GM) damage that predict disability progression and cognitive worsening using data-driven methods. METHODS: We analysed data from 1836 participants with different MS phenotypes (843 in a discovery cohort and 842 in a replication cohort). We calculated standardised T1-weighted/T2-weighted (sT1w/T2w) ratio maps in brain GM and WM, and applied spatial independent component analysis to identify networks of covarying microstructural damage. Clinical outcomes were Expanded Disability Status Scale worsening confirmed at 24 weeks (24-week confirmed disability progression (CDP)) and time to cognitive worsening assessed by the Symbol Digit Modalities Test (SDMT). We used Cox proportional hazard models to calculate predictive value of network measures. RESULTS: We identified 8 WM and 7 GM sT1w/T2w networks (of regional covariation in sT1w/T2w measures) in both cohorts. Network loading represents the degree of covariation in regional T1/T2 ratio within a given network. The loading factor in the anterior corona radiata and temporo-parieto-frontal components were associated with higher risks of developing CDP both in the discovery (HR=0.85, p<0.05 and HR=0.83, p<0.05, respectively) and replication cohorts (HR=0.84, p<0.05 and HR=0.80, p<0.005, respectively). The decreasing or increasing loading factor in the arcuate fasciculus, corpus callosum, deep GM, cortico-cerebellar patterns and lesion load were associated with a higher risk of developing SDMT worsening both in the discovery (HR=0.82, p<0.01; HR=0.87, p<0.05; HR=0.75, p<0.001; HR=0.86, p<0.05 and HR=1.27, p<0.0001) and replication cohorts (HR=0.82, p<0.005; HR=0.73, p<0.0001; HR=0.80, p<0.005; HR=0.85, p<0.01 and HR=1.26, p<0.0001). CONCLUSIONS: GM and WM networks of microstructural changes predict disability and cognitive worsening in MS. Our approach may be used to identify patients at greater risk of disability worsening and stratify cohorts in treatment trials.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».