Prognostic factors for worsening and improvement in multiple sclerosis using a multistate model
Notice bibliographique
Résumé
BACKGROUND: The long-term disease trajectory of people living with multiple sclerosis (MS) can be improved by initiating efficacious treatment early. More quantitative evidence is needed on factors that affect a patient's risk of disability worsening or possibility of improvement to inform timely treatment decisions. METHODS: We developed a multistate model to quantify the influence of demographic, clinical, and imaging factors on disability worsening and disability improvement simultaneously across the disability spectrum as measured by the Expanded Disability Status Scale (EDSS). We used clinical trial data from the Novartis-Oxford MS database including ~130,000 EDSS assessments from ~8000 patients, spanning all MS phenotypes. RESULTS: Higher brain volume was positively associated with disability improvement at all disability levels (hazard ratio (HR) = 1.09-1.19; 95% credible interval (CI) = 1.02-1.27). Higher T2 lesion volume was negatively associated with disability improvement up to EDSS 6 (HR = 0.80-0.89; 95% CI = 0.75-0.94). Older age, time since first symptoms, and the number of relapses in the past year were confirmed as predictors of future disability worsening. CONCLUSIONS: Brain damage was identified as the most consistent factor limiting the patient's probability for improvements from the earliest stages and across the whole course of MS. Protecting brain integrity early in MS should have greater weight in clinical decision-making.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».