Healthcare use is elevated two decades before a first demyelinating event and differs by age and sex
Notice bibliographique
Résumé
OBJECTIVE: Elevated healthcare use before multiple sclerosis (MS) onset suggests earlier opportunity to identify MS. Yet their timing and sociodemographic effects are unclear. We examined rates of healthcare use (and by age/sex) for >two decades pre-MS onset. METHODS: We identified people with MS (PwMS) using administrative data from Canada (Ontario) and Sweden (1991-2020) ("administrative" cohort), and the Swedish MS Registry ("clinical" cohort). The first MS/demyelinating diagnostic code (administrative) or symptom onset (clinical) defined MS onset. We compared annual rates of healthcare use (hospital, physician, and emergency-room [ED]) pre-onset between PwMS and up to five matched population controls using negative binomial regression, and by age/sex. RESULTS: The administrative cohort = 35,018/136,007 PwMS/controls (Ontario), and 10,269/51,297 (Sweden). Rates of healthcare use were higher for PwMS than controls up to 28 (of 29) years (Ontario) and up to 15 (of 19) years (Sweden) pre-onset. Annual healthcare use rose steadily as onset approached, particularly escalating 7 years pre-onset in Ontario (e.g., hospital visit rate ratios [RRs] exceeded 1.30), and 6 years in Sweden (physician visit RRs > 1.10). RRs peaked the year pre-onset (ED visits [Ontario] = 3.04; 95% CI: 2.94-3.13, physician visits [Sweden] = 2.51; 95% CI: 2.44-2.59). In the year pre-onset, RRs were disproportionately higher for males (ED RRs [Ontario] = 3.30; 95% CI: 3.13-3.48 vs. females = 2.90; 95% CI: 2.79-3.02), and dropped steadily by age (physician visit RRs [Sweden] = 2.61/2.27/1.97/1.72 for 50/40/30/20-year-olds). The smaller clinical cohort (7604/37,974 PwMS/controls) exhibited similar patterns, albeit more modest, with RRs elevated up to 5 years pre-onset (physician visit RR [year-5] = 1.08; 95% CI: 1.02-1.14; RR [year-1] = 1.39;1.33-1.46). INTERPRETATION: Higher healthcare use was evident decades before MS onset, escalating 6-7 years pre-onset, peaking the year before, being disproportionately higher for males and older PwMS.
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 | 0,000 | 0,002 |
| 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 | 0,001 | 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) | 0,002 | 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 ».