Using jitter analysis with concentric needle electrodes to assess disease status and treatment responses in myasthenia gravis
Notice bibliographique
Résumé
Objective: This study assesses the utility of jitter analysis with concentric needles to evaluate disease severity in myasthenia gravis (MG), correlate changes in jitter with clinical status as well as identify reasons for any discordance. Methods: We performed a retrospective chart review of 82 MG patients and extracted data on demographics, MG subtype, antibody status, clinical scales, electrophysiology, and interventions at baseline and follow-up. Results: Baseline MGII scores correlated with jitter (r = 0.25, p = 0.024) and abnormal pairs (r = 0.24, p = 0.03). After 28 months, MGII scores correlated with jitter (r = 0.31, p = 0.006), abnormal pairs (r = 0.29, p = 0.009), and pairs with blocks (r = 0.35, p = 0.001). Changes in MGII scores correlated with changes in jitter (r = 0.35, p = 0.002), abnormal pairs (r = 0.27, p = 0.014), and pairs with blocks (r = 0.36, p = 0.001). Conclusions: Concentric needle jitter analysis may have the potential to evaluate baseline and sequential disease severity in MG. Significance: This study highlights the potential for improved MG patient care through precise assessment and management using concentric needle jitter analysis to improve the accuracy of MG diagnosis and monitoring of disease activity.
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 | 0,002 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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) | 0,001 | 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 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 ».