Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

Long-term disability trajectories in primary progressive MS patients: A latent class growth analysis

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216208%3A11110%2F18%3A10375560" target="_blank" >RIV/00216208:11110/18:10375560 - isvavai.cz</a>

  • Nalezeny alternativní kódy

    RIV/00064165:_____/18:10375560

  • Výsledek na webu

    <a href="https://doi.org/10.1177/1352458517703800" target="_blank" >https://doi.org/10.1177/1352458517703800</a>

  • DOI - Digital Object Identifier

    <a href="http://dx.doi.org/10.1177/1352458517703800" target="_blank" >10.1177/1352458517703800</a>

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Long-term disability trajectories in primary progressive MS patients: A latent class growth analysis

  • Popis výsledku v původním jazyce

    Background: Several natural history studies on primary progressive multiple sclerosis (PPMS) patients detected a consistent heterogeneity in the rate of disability accumulation. Objectives: To identify subgroups of PPMS patients with similar longitudinal trajectories of Expanded Disability Status Scale (EDSS) over time. Methods: All PPMS patients collected within the MSBase registry, who had their first EDSS assessment within 5 years from onset, were included in the analysis. Longitudinal EDSS scores were modeled by a latent class mixed model (LCMM), using a nonlinear function of time from onset. LCMM is an advanced statistical approach that models heterogeneity between patients by classifying them into unobserved groups showing similar characteristics. Results: A total of 853 PPMS (51.7% females) from 24 countries with a mean age at onset of 42.4 years (standard deviation (SD): 10.8 years), a median baseline EDSS of 4 (interquartile range (IQR): 2.5-5.5), and 2.4 years of disease duration (SD: 1.5 years) were included. LCMM detected three different subgroups of patients with a mild (n = 143; 16.8%), moderate (n = 378; 44.3%), or severe (n = 332; 38.9%) disability trajectory. The probability of reaching EDSS 6 at 10 years was 0%, 46.4%, and 81.9% respectively. Conclusion: Applying an LCMM modeling approach to long-term EDSS data, it is possible to identify groups of PPMS patients with different prognosis.

  • Název v anglickém jazyce

    Long-term disability trajectories in primary progressive MS patients: A latent class growth analysis

  • Popis výsledku anglicky

    Background: Several natural history studies on primary progressive multiple sclerosis (PPMS) patients detected a consistent heterogeneity in the rate of disability accumulation. Objectives: To identify subgroups of PPMS patients with similar longitudinal trajectories of Expanded Disability Status Scale (EDSS) over time. Methods: All PPMS patients collected within the MSBase registry, who had their first EDSS assessment within 5 years from onset, were included in the analysis. Longitudinal EDSS scores were modeled by a latent class mixed model (LCMM), using a nonlinear function of time from onset. LCMM is an advanced statistical approach that models heterogeneity between patients by classifying them into unobserved groups showing similar characteristics. Results: A total of 853 PPMS (51.7% females) from 24 countries with a mean age at onset of 42.4 years (standard deviation (SD): 10.8 years), a median baseline EDSS of 4 (interquartile range (IQR): 2.5-5.5), and 2.4 years of disease duration (SD: 1.5 years) were included. LCMM detected three different subgroups of patients with a mild (n = 143; 16.8%), moderate (n = 378; 44.3%), or severe (n = 332; 38.9%) disability trajectory. The probability of reaching EDSS 6 at 10 years was 0%, 46.4%, and 81.9% respectively. Conclusion: Applying an LCMM modeling approach to long-term EDSS data, it is possible to identify groups of PPMS patients with different prognosis.

Klasifikace

  • Druh

    J<sub>imp</sub> - Článek v periodiku v databázi Web of Science

  • CEP obor

  • OECD FORD obor

    30103 - Neurosciences (including psychophysiology)

Návaznosti výsledku

  • Projekt

  • Návaznosti

    I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace

Ostatní

  • Rok uplatnění

    2018

  • Kód důvěrnosti údajů

    S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Údaje specifické pro druh výsledku

  • Název periodika

    Multiple Sclerosis Journal

  • ISSN

    1352-4585

  • e-ISSN

  • Svazek periodika

    24

  • Číslo periodika v rámci svazku

    5

  • Stát vydavatele periodika

    GB - Spojené království Velké Británie a Severního Irska

  • Počet stran výsledku

    11

  • Strana od-do

    642-652

  • Kód UT WoS článku

    000432098100013

  • EID výsledku v databázi Scopus

    2-s2.0-85032873925