Notice bibliographique
Résumé
We designed the current study to describe the spectrum of disease expression in systemic sclerosis (SSc) in a large cohort and to develop diagnostic criteria for SSc. We assessed patients in the Canadian Scleroderma Research Group Registry by standardized history, physical examination, and laboratory testing. We performed regression tree analysis to determine the sensitivity of various clinical and serologic features for diagnosing SSc. Over 1000 (n = 1048) patients were included: mean age 55 (± 12) years, 87% female, 90% white, mean disease duration 11 (± 10) years, and 38% with diffuse skin involvement. Common clinical features were Raynaud phenomenon (98%), sclerodactyly (92%), clinically visible mat-like telangiectasias (78%), skin involvement above the fingers (58%), lung fibrosis (35%), pulmonary hypertension (15%), and gastrointestinal tract involvement (mean number of self-reported symptoms, 4 (± 3) out of a possible 14). Almost 90% of patients had at least 1 SSc-related autoantibody, including 34% with anti-centromere and 16% with anti-topoisomerase I. The sensitivity of Raynaud and proximal finger skin thickening for the diagnosis of SSc was only 57%. Addition of clinically visible mat-like telangiectasias and SSc-related antibodies improved the sensitivity to 97%. We conclude that important diagnostic clues in patients with SSc include Raynaud phenomenon, skin involvement, clinically visible mat-like telangiectasias, and SSc-related autoantibodies. Abbreviations: ACR = American College of Rheumatology, CES-D = Center for Epidemiologic Studies Depression Scale, CI = confidence interval, CSRG = Canadian Scleroderma Research Group, HAQ = Health Assessment Questionnaire-Disability Index, PM/Scl = polymyositis/scleroderma, RNA Pol III = RNA polymerase III, SF-36 = MOS 36-item Short-Form Health Survey, S-HAQ = Scleroderma-Health Assessment Questionnaire, SSc = systemic sclerosis.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 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 ».