A data-driven model of disability progression in progressive multiple sclerosis
Notice bibliographique
Résumé
Abstract This study applies the Gaussian process progression model, a Bayesian data-driven disease progression model, to analyse the evolution of primary progressive multiple sclerosis. Utilizing data from 1521 primary progressive multiple sclerosis participants collected within the International Progressive Multiple Sclerosis Alliance Project, the analysis includes 18 581 longitudinal time-points (average follow-up time: 28.2 months) of disability assessments including the expanded disability status scale, symbol digit modalities, timed 25-foot-walk, 9-hole-peg test and of MRI metrics such as T1 and T2 lesion volume and normalized brain volume. From these data, Gaussian process progression model infers a data-driven description of the progression common to all individuals, alongside scores measuring the individual progression rates relative to the population, spanning ∼50 years of disease duration. Along this timeline, Gaussian process progression model identifies an initial steep worsening of the expanded disability status scale that stabilizes after ∼30 years of disease duration, suggesting its diminished utility in monitoring disease progression beyond this time. Conversely, it underscores the slower evolution of normalized brain volume across the disease duration. The individual progression rates estimated by Gaussian process progression model can be used to identify three distinct sub-groups within the primary progressive multiple sclerosis population: a normative group (76% of the population) and two ‘outlier’ sub-groups displaying either accelerated (13% of the population) or decelerated (11%) progression compared to the normative one. Notably, fast progressors exhibit older age at symptom onset (38.5 versus 35.0, P < 0.0001), a higher prevalence of males (61.1% versus 48.5%, P = 0.013) and a higher lesion volumes both in T1 (4.1 versus 0.6, P < 0.0001) and T2 (16.5 versus 7.9, P < 0.0001) compared to slow progressors. Prognostically, fast progressors demonstrate a significantly worse prognosis, with double the risk of experiencing a 3-month confirmed disease progression on expanded disability status scale compared to the normative population according to Cox proportional hazard modelling (HR = 2.09, 95% CI: 1.66–2.62, P < 0.0001) and a shorter median time from the onset of disease symptoms to reaching a confirmed expanded disability status scale 6 (95% CI: 5.83–7.68 years, P < 0.0001). External validation on a test set comprising 227 primary progressive multiple sclerosis participants from the SPI2 trial produced consistent results, with slow progressors exhibiting a reduced risk of experiencing 3-month confirmed disease progression determined through expanded disability status scale (HR = 0.21), while fast progressors facing an increased risk (HR = 1.45). This study contributes to our understanding of disability accrual in primary progressive multiple sclerosis, integrating diverse disability assessments and MRI measurements. Moreover, the identification of distinct sub-groups underscores the heterogeneity in progression rates among patients, offering invaluable insights for patient stratification and monitoring in clinical trials, potentially facilitating more targeted and personalized interventions.
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 | 0,008 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,003 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».