Transcranial magnetic stimulation enhances the specificity of multiple sclerosis diagnostic criteria: a critical narrative review
Notice bibliographique
Résumé
Background: Multiple sclerosis (MS) is an immune-mediated neurodegenerative disease that involves attacks of inflammatory demyelination and axonal damage, with variable but continuous disability accumulation. Transcranial magnetic stimulation (TMS) is a noninvasive method to characterize conduction loss and axonal damage in the corticospinal tract. TMS as a technique provides indices of corticospinal tract function that may serve as putative MS biomarkers. To date, no reviews have directly addressed the diagnostic performance of TMS in MS. The authors aimed to conduct a critical narrative review on the diagnostic performance of TMS in MS. Methods: The authors searched the Embase, PubMed, Scopus, and Web of Science databases for studies that reported the sensitivity and/or specificity of any reported TMS technique compared to established clinical MS diagnostic criteria. Studies were summarized and critically appraised for their quality and validity. Results: Seventeen of 1,073 records were included for data extraction and critical appraisal. Markers of demyelination and axonal damage-most notably, central motor conduction time (CMCT)-were specific, but not sensitive, for MS. Thirteen (76%), two (12%), and two (12%) studies exhibited high, unclear, and low risk of bias, respectively. No study demonstrated validity for TMS techniques as diagnostic biomarkers in MS. Conclusions: CMCT has the potential to: (1) enhance the specificity of clinical MS diagnostic criteria by "ruling in" true-positives, or (2) revise a diagnosis from relapsing to progressive forms of MS. However, there is presently insufficient high-quality evidence to recommend any TMS technique in the diagnostic algorithm for MS.
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 | 0,000 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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) | 0,001 | 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 ».