First-year treatment response predicts the following 5-year disease course in patients with relapsing-remitting multiple sclerosis
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
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.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 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) | 0,000 | 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 découle