Clinical and Demographic Predictors of Optic Neuritis Subtype
Notice bibliographique
Résumé
To determine which clinical features differentiate acute optic neuritis (ON) subtypes to support treatment decision-making in patients when the diagnostic work-up is incomplete or inconclusive. We performed a retrospective study at two academic centers. ON was classified as idiopathic/multiple sclerosis-associated (I/MS-ON; also known as “typical” ON) versus non-I/MS-ON (e.g. neuromyelitis optica; also known as “atypical” ON). Multiple linear regression models assessed the association between ON subtype and clinical features including: demographics, presence of optic disc edema, bilaterality (simultaneous ON involving both eyes), and baseline visual acuity (logMAR). Sensitivity analyses examined the impact of incomplete race/ethnicity data on subtype. Among 614 episodes (518 patients), most ON events (n = 440, 85%) were I/MS-ON. In univariate analyses, bilaterality (OR 6.67 [95%CI 3.7,11.11]), presence of optic disc edema (OR 2.22 [95%CI 1.32,3.70]), and age (OR 1.32 [95%CI 1.08,1.61] for each decade) were significantly associated with higher odds of having non-I/MS-ON compared to I/MS-ON. In multiple logistic regression modeling, each decade of life (OR 1.35 [95%CI 1.06,1.69]), bilaterality (OR 7.69 [95%CI 4.17,14.29]), and each point increase in baseline logMAR (OR 1.47 [95%CI 1.11,1.92]) were associated with increased odds of having non-I/MS-ON compared to I/MS-ON. In sensitivity analyses, age no longer significantly predicted ON subtype. When considering multiple clinical factors, bilateral simultaneous ON and worse baseline visual acuity were significantly associated with non-I/MS-ON. Older age may also be associated with non-I/MS-ON, but additional studies are needed. These observations may guide decision-making in patients with ON, in which diagnostic testing is incomplete or inconclusive.
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 | 0,001 | 0,004 |
| 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 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».