Chronic active lesions in multiple sclerosis: classification, terminology, and clinical significance
Notice bibliographique
Résumé
In multiple sclerosis (MS), increasing disability is considered to occur due to persistent, chronic inflammation trapped within the central nervous system (CNS). This condition, known as smoldering neuroinflammation, is present across the clinical spectrum of MS and is currently understood to be relatively resistant to treatment with existing disease-modifying therapies. Chronic active white matter lesions represent a key component of smoldering neuroinflammation. Initially characterized in autopsy specimens, multiple approaches to visualize chronic active lesions (CALs) in vivo using advanced neuroimaging techniques and postprocessing methods are rapidly emerging. Among these in vivo imaging correlates of CALs, paramagnetic rim lesions (PRLs) are defined by the presence of a perilesional rim formed by iron-laden microglia and macrophages, whereas slowly expanding lesions are identified based on linear, concentric lesion expansion over time. In recent years, several longitudinal studies have linked the occurrence of in vivo detected CALs to a more aggressive disease course. PRLs are highly specific to MS and therefore have recently been incorporated into the MS diagnostic criteria. They also have prognostic potential as biomarkers to identify patients at risk of early and severe disease progression. These developments could significantly affect MS care and the evaluation of new treatments. This review describes the latest knowledge on CAL biology and imaging and the relevance of CALs to the natural history of MS. In addition, we outline considerations for current and future in vivo biomarkers of CALs, emphasizing the need for validation, standardization, and automation in their assessment.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,003 |
| 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 ».