Modelling Disease Progression of Multiple Sclerosis in a South Wales Cohort
Notice bibliographique
Résumé
OBJECTIVES: The objective of this study was to model multiple sclerosis (MS) disease progression and compare disease trajectories by sex, age of onset, and year of diagnosis. STUDY DESIGN AND SETTING: Longitudinal EDSS scores (20,854 observations) were collected for 1,787 relapse-onset MS patients at MS clinics in South Wales and modelled using a multilevel model (MLM). The MLM adjusted for covariates (sex, age of onset, year of diagnosis, and disease-modifying treatments), and included interactions between baseline covariates and time variables. RESULTS: The optimal model was truncated at 30 years after disease onset and excluded EDSS recorded within 3 months of relapse. As expected, older age of onset was associated with faster disease progression at 15 years (effect size (ES): 0.75; CI: 0.63, 0.86; p: <0.001) and female-sex progressed more slowly at 15 years (ES: -0.43; CI: -0.68, -0.18; p: <0.001). Patients diagnosed more recently (defined as 2007-2011 and >2011) progressed more slowly than those diagnosed historically (<2006); (ES: -0.46; CI: -0.75, -0.16; p: 0.006) and (ES: -0.95; CI: -1.20, -0.70; p: <0.001), respectively. CONCLUSION: We present a novel model of MS outcomes, accounting for the non-linear trajectory of MS and effects of baseline covariates, validating well-known risk factors (sex and age of onset) associated with disease progression. Also, patients diagnosed more recently progressed more slowly than those diagnosed historically.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».