MétaCan
Menu
Retour à la cohorte
Enregistrement W4407629658 · doi:10.1016/j.neurot.2025.e00552

First-year treatment response predicts the following 5-year disease course in patients with relapsing-remitting multiple sclerosis

2025· article· en· W4407629658 sur OpenAlexaff
Simona Toscano, Tim Spelman, Serkan Özakbaş, Raed Alroughani, Clara Grazia Chisari, Salvatore Lo Fermo, Alexandre Prat, Marc Girard, Pierre Duquette, G. Izquierdo, Sara Eichau, Pierre Grammond, Cavit Boz, Tomáš Kalinčík, Yolanda Blanco, Katherine Buzzard, Olga Skibina, María José Sá, Anneke van der Walt, Helmut Butzkueven, Murat Terzi, Oliver Gerlach, F. Grand’Maison, Matteo Foschi, Andrea Surcinelli, Michael Barnett, Alessandra Lugaresi, Marco Onofrj, Bassem Yamout, Samia J. Khoury, Julie Prévost, Jeannette Lechner-Scott, Davide Maimone, Maria Pia Amato, Daniele Spitaleri, Vincent Van Pesch, Richard Macdonell, Elisabetta Cartechini, Koen de Gans, Mark Slee, Tamara Castillo‐Triviño, Aysun Soysal, José Luis Sánchez-Menoyo, Guy Laureys, Liesbeth Van Hijfte, Pamela McCombe, Ayşe Altıntaş, Bianca Weinstock‐Guttman, Eduardo Agüera, Masoud Etemadifar, Cristina Ramo‐Tello, Nevin John, Recai Türkoğlu, Suzanne Hodgkinson, Sarah Besora, Bart Van Wijmeersch, Ricardo Fernández‐Bolaños, Francesco Patti

Notice bibliographique

RevueNeurotherapeutics · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueMultiple Sclerosis Research Studies
Établissements canadiensCegep de Saint JeromeCentre Intégré de Santé et Services Sociaux de Chaudière-AppalacheUniversité de Montréal
Organismes subventionnairesKaohsiung Chang Gung Memorial HospitalDepartment of Neurology, University of PittsburghUniversitair Ziekenhuis AntwerpenRazi UniversityHacettepe ÜniversitesiUniversità di CataniaSultan Qaboos UniversityHôpitaux Universitaires de GenèveIsfahan University of Medical SciencesPostgraduate Institute of Medical Education and Research, ChandigarhDebreceni EgyetemUniversity of Western AustraliaUniversität Basel
Mots-clésRelapsing remittingMultiple sclerosisNeurologyMedicineNeurosurgeryDiseaseInternal medicineSurgeryPsychiatry

Résumé

récupéré en direct d'OpenAlex

Predicting long-term prognosis and choosing the appropriate therapeutic approach in patients with Multiple Sclerosis (MS) at the time of diagnosis is crucial in view of a personalized medicine. We investigated the impact of early therapeutic response on the 5-year prognosis of patients with relapsing-remitting MS (RRMS). We recruited patients from MSBase Registry covering the period between 1996 and 2022. All patients were diagnosed with RRMS and actively followed-up for at least 5 years to explore the following outcomes: clinical relapses, confirmed disability worsening (CDW) and improvement (CDI), EDSS 3.0, EDSS 6.0, conversion to secondary progressive MS (SPMS), new MRI lesions, Progression Independent of Relapse Activity (PIRA). Predictors included demographic, clinical and radiological data, and sub-optimal response (SR) within the first year of treatment. Female sex (HR 1.27; 95 ​% CI 1.16-1.40) and EDSS at baseline (HR 1.19; 95 ​% CI 1.15-1.24) were independent risk factors for the occurrence of relapses during the first 5 years after diagnosis, while high-efficacy treatment (HR 0.78; 95 ​% CI 0.67-0.91) and age at diagnosis (HR 0.83; 95 ​% CI 0.79-0.86) significantly reduced the risk. SR predicted clinical relapses (HR ​= ​3.84; 95 ​% CI 3.51-4.19), CDW (HR ​= ​1.74; 95 ​% CI 1.56-1.93), EDSS 3.0 (HR ​= ​3.01; 95 ​% CI 2.58-3.51), EDSS 6.0 (HR ​= ​1.77; 95 ​% CI 1.43-2.20) and new brain (HR ​= ​2.33; 95 ​% CI 2.04-2.66) and spinal (HR 1.65; 95 ​% CI 1.29-2.09) MRI lesions. This study highlights the importance of selecting the appropriate DMT for each patient soon after MS diagnosis, also providing clinicians with a practical tool able to calculate personalized risk estimates for different outcomes.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,042
Tête enseignante GPT0,292
Écart entre enseignants0,251 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations7
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNeurotherapeuticsMême sujetMultiple Sclerosis Research StudiesTravaux en français237 207