Relapse recovery in relapsing–remitting multiple sclerosis: An analysis of the CombiRx dataset
Notice bibliographique
Résumé
BACKGROUND: Clinical relapses are the defining feature of relapsing forms of multiple sclerosis (MS), but relatively little is known about the time course of relapse recovery. OBJECTIVE: The aim of this study was to investigate the time course of and patient factors associated with the speed and success of relapse recovery in people with relapsing-remitting MS (RRMS). METHODS: Using data from CombiRx, a large RRMS trial (clinicaltrials.gov identifier NCT00211887), we measured the time to recovery from the first on-trial relapse. We used Kaplan-Meier survival analyses and Cox regression models to investigate the association of patient factors with the time to unconfirmed and confirmed relapse recovery. RESULTS: CombiRx included 1008 participants. We investigated 240 relapses. Median time to relapse recovery was 111 days. Most recovery events took place within 1 year of relapse onset: 202 of 240 (84%) individuals recovered during follow-up, 161 of 202 (80%) by 180 days, and 189 of 202 (94%) by 365 days. Relapse severity was the only factor associated with relapse recovery. CONCLUSION: Recovery from relapses takes place up to approximately 1 year after the event. Relapse severity, but no other patient factors, was associated with the speed of relapse recovery. Our findings inform clinical practice and trial design in RRMS.
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 | 0,006 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 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 | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».