MedElevator Войти в исследования
← Поиск публикаций

DOI 10.1016/j.msard.2025.106717

Медицинская библиотека · Multiple sclerosis and related disorders · 2025

Прогнозирующая модель для пациентов с тройным отрицательным оптическим невритом: выявление подгруппы пациентов с благоприятными результатами.

Rechtman Ariel, Friedman-Korn Tal, Zamir Sol, Zveik Omri, Levin Netta, Vaknin-Dembinsky Adi

СтатьяМашинный перевод · не проверен

Аннотация

Подгруппа оптического неврита (ON) остается серонегиозной для AQP4-IgG, MOG-IgG и CSF oligoclonal (OCBs), что осложняет диагностику и управление. Цель этого исследования состояла в том, чтобы охарактеризовать эти случаи с тройной отрицательной стороны (ТНК) и сравнить их с MS, MOGAD и NMOSD. Мы ретроспективно проанализировали 103 пациента с первым эпизодом AQP4-IgG, MOG-IgG и OCB, классифицировали их в MS (n=26), MOGAD (n=25), NMOSD (n=13) и TNON (n=39). Кроме того, TNON был разделен на развивающиеся MS (EvMS) и Idiopatic TNON. Для классификации TNON на основе исходных данных использовалась вспомогательная векторная машина (SVM).

РЕЗУЛЬТАТЫ

У пациентов TNON было меньше отеков оптического диска и радиологического вмешательства, чем у пациентов MOGAD, и они более плохо реагировали на стероиды. Вместе с тем ТНОН имеет более низкие показатели рецидивов и меньше потребности в хроническом лечении, чем МЗ или НМОСР. Анализ СВМ показал, что большинство случаев ЭВМ были сгруппированы с MS, в то время как идиопатический TNON более тесно связан с MOGAD.

ЗАКЛЮЧЕНИЕ

TNON является разнородным субъектом, охватывающим как ранние MS, так и отдельную идиопатичную подгруппу. Хотя клинические особенности сами по себе не могли дифференцировать эти подгруппы, наша прогнозирующая модель успешно стратифицирована с самого начала. Идиопатический TNON может отражать необнаруженный процесс антител с в целом благоприятным прогнозом.

Для цитирования: Rechtman Ariel, Friedman-Korn Tal, Zamir Sol, Zveik Omri, Levin Netta, Vaknin-Dembinsky Adi. A predictive model for triple negative optic neuritis patients: Identifying the subset of patients with favorable outcomes.. Multiple sclerosis and related disorders. 2025. DOI: 10.1016/j.msard.2025.106717.
Название и аннотация на языке оригинала

A predictive model for triple negative optic neuritis patients: Identifying the subset of patients with favorable outcomes.

BACKGROUND AND

OBJECTIVES

A subset of optic neuritis (ON) patients remains seronegative for AQP4-IgG, MOG-IgG, and CSF oligoclonal bands (OCBs), complicating diagnosis and management. This study aimed to characterize these triple-negative ON (TNON) cases and compare them to MS, MOGAD, and NMOSD.

METHODS

We retrospectively analyzed 103 patients with a first ON episode tested for AQP4-IgG, MOG-IgG, and OCBs, classifying them into MS (n=26), MOGAD (n=25), NMOSD (n=13), and TNON (n=39). TNON was further divided into evolving MS (evMS) and idiopathic TNON. A support vector machine (SVM) was used to classify TNON based on onset data.

RESULTS

TNON patients showed less optic disc edema and radiological involvement than MOGAD and responded more poorly to steroids. However, TNON had lower relapse rates and less need for chronic treatment than MS or NMOSD. SVM analysis revealed that most evMS cases clustered with MS, while idiopathic TNON aligned more closely with MOGAD.

CONCLUSION

TNON is a heterogeneous entity encompassing both early MS and a distinct idiopathic subgroup. While clinical features alone could not differentiate these subgroups, our predictive model successfully stratified them at onset. Idiopathic TNON may reflect an undetected antibody-mediated process with a generally favorable prognosis.

Предметные рубрики MeSH

Подготовка и перевод публикации
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…

История · было → стало

Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.

Тип публикации указан по данным источника. Уровень доказательности автоматически не присваивается.