Predicting time to serologic diagnosis of AQP4+ NMOSD based on clinical factors and social determinants of health
Notice bibliographique
Résumé
BACKGROUND: Early serologic diagnosis and initiation of targeted therapy are associated with better outcomes in aquaporin-4 IgG positive (AQP4+) neuromyelitis optica spectrum disorder (NMOSD). OBJECTIVE: To determine predictors of time to serologic diagnosis of AQP4+ NMOSD. METHODS: In CANOPTICS, a multi-centre, Canadian cohort study of NMOSD, we retrospectively evaluated time from the first clinical attack to first positive AQP4-IgG serology. We used a multivariable negative binomial regression model to evaluate possible predictors of time to diagnosis. RESULTS: We identified 129 participants with AQP4+ NMOSD from 7 centres. Diagnostic delay of >1 month was observed in 82 (63.6 %). Asian compared to European (White) ethnicity (IRR:0.40, 95 % CI:0.21-0.78), female sex (IRR:0.56, 95 % CI:0.32-0.99), later calendar year (IRR:0.84, 95 % CI:0.81-0.86), and hospitalization for the first attack (IRR:0.35, 95 % CI:0.20-0.62) were associated with shorter times to serologic diagnosis. We did not observe any overall effect of Afro-Caribbean ethnicity, but in exploratory analyses, Afro-Caribbean individuals with low income had longer times to diagnosis. CONCLUSION: More than 60 % of patients with NMOSD experienced delays to AQP4-IgG serologic diagnosis in this cohort. Given evidence of more adverse long-term outcomes in Afro-Caribbean individuals with NMOSD, intersectional effects of ethnicity and social determinants of health merit further study.
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 | 0,004 |
| 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 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».