Attitudes of Neurologists Toward the Potential Role of Serum Neurofilament Light Chain Measurement in Treatment Decision-Making for People With Radiologically Isolated Syndrome
Notice bibliographique
Résumé
Background: Serum neurofilament light chain (sNfL) levels reflect neuroaxonal damage and independently predict conversion to multiple sclerosis (MS) in individuals with radiologically isolated syndrome (RIS). This study aimed to assess how sNfL testing influences neurologists’ decisions regarding disease-modifying treatment (DMT) in the management of RIS. Methods: A noninterventional, web-based study was conducted among neurologists actively involved in MS care across Spain. Participants reviewed a simulated case of a 24-year-old woman diagnosed with RIS, characterized by a brain MRI showing 1 juxtacortical and 8 periventricular T2 hyperintense lesions, cerebrospinal fluid oligoclonal bands, and sNfL levels of 24 pg/mL. The neurologists had to decide whether to recommend initiating DMT or to schedule a reassessment in 6 to 12 months, with the latter considered a decision misaligned with emerging evidence (DMEE). Results: A total of 116 neurologists participated in the study (mean age, 41.9 years; 53.4% men). Overall, 58.6% (n = 68) opted against recommending the initiation of DMT. Lack of full dedication to MS care (OR, 2.52; 95% CI, 1.02-6.20; P = .045) and limited perception of sNfL benefits (OR, 1.03; 95% CI, 1.01-1.05; P < .001) were associated with DMEE. Conclusions: In a simulated high-risk RIS scenario with elevated sNfL levels, most neurologists refrained from recommending the initiation of DMT. These findings reinforce the need to increase awareness of prognostic factors for RIS-to-MS conversion and the utility of sNfL testing in guiding therapeutic decisions.
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 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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».