Circadian rhythmicity of symptomatic phenotypes in multiple sclerosis: the CircaMS study protocol and feasibility of biomarker collection
Notice bibliographique
Résumé
INTRODUCTION: Multiple sclerosis (MS) is a chronic autoimmune neurological disease with a variable prognosis and unpredictable course. Fatigue, pain and low mood are common symptoms that tend to fluctuate in people with MS (pwMS). Disrupted circadian rhythms may have a role in the symptoms' variability. Distinguishing interindividual differences and temporal daily fluctuations in MS symptoms may help to define specific symptomatic phenotypes. Understanding how these phenotypes are associated with quality of life and their immunological underpinnings-immune profiles-could shape new MS management strategies. Our primary aim is to document ongoing fluctuations in fatigue, pain and mood in a cohort of pwMS to determine whether symptom variability is associated with differential quality of life. Our secondary aim is to evaluate the feasibility of our study design to identify immune profiles of circadian rhythmicity in MS. METHODS AND ANALYSIS: This observational cohort study examines individual temporal fluctuations in MS symptomatology via ecological momentary assessment in a cohort of pwMS. All participants complete (1) a baseline battery of questionnaires and (2) electronic symptom-tracking diaries to rate fatigue, pain intensity and mood on a 0-10 scale at three time points (08:00, 14:00 and 20:00) for 10 days. Participants will be grouped into symptomatic phenotypes based on longitudinal data from e-diaries. We will assess whether exhibiting a specific phenotype is associated with certain baseline measures. A subgroup of 20 participants-feasibility study-will also complete blood sample collection two times within 24 hours to study immune profiles and molecular markers of circadian rhythmicity in MS. Flow cytometry, whole blood RNA sequencing and plasma analyses will be applied to determine changes in immune profiles indicative of circadian rhythmicity.This work has the potential to reduce the burden of this complex disease on a global scale. Future studies will build on our work to understand individual variability in MS symptomatology, including disease severity; identification of biomarkers underlying the association between rhythmic symptomatology profiles and symptomatic phenotypes in MS; and designing personalised interventions focused on interindividual differences in symptomatology and circadian rhythmicity. ETHICS AND DISSEMINATION: The CircaMS project and its associated procedures have been reviewed and approved by the Queen's University Health Sciences and Affiliated Teaching Hospitals research ethics board (File number: 6039383). Participants provide informed consent to participate, and their data will not be identifiable in any publication or report. All documents are stored securely and only accessible by study staff and authorised personnel. The results will be presented to academic and lay audiences via national/international conferences, publications in peer-reviewed journals, social media and through an official website created to engage pwMS, caregivers, clinicians and researchers.
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 | 0,022 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,004 |
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 ».