Epidemiology, immunopathogenesis and management of pediatric central nervous system inflammatory demyelinating conditions
Notice bibliographique
Résumé
PURPOSE OF REVIEW: Pediatric inflammatory demyelinating central nervous system diseases comprise monofocal and potentially monophasic disorders like optic neuritis and transverse myelitis, the multifocal, self-limiting disorder of acute disseminated encephalomyelitis, and multifocal chronic diseases like relapsing neuromyelitis optica and multiple sclerosis. This review discusses characteristics of these disorders with focus on epidemiology and treatment of acute disseminated encephalomyelitis, neuromyelitis optica and multiple sclerosis. RECENT FINDINGS: An international consensus group very recently defined diagnostic criteria for pediatric multiple sclerosis and acute disseminated encephalomyelitis. Immunological studies on pediatric inflammatory demyelinating disorders revealed possible disease-related humoral and T-cellular pathomechanisms. The recently identified biomarker for neuromyelitis optica, aquaporin-4-autoantibody, was detected in children with relapsing neuromyelitis optica with a similar frequency as in adult neuromyelitis optica patients. Clinically relevant, there is growing evidence that disease-modifying treatments are well tolerated and effective in the pediatric age group also. SUMMARY: Recent studies on pediatric inflammatory demyelinating central nervous system diseases have contributed to current awareness that these disorders are not restricted to the adult age group, and that some of them carry an unfavorable long-term prognosis. Growing knowledge will hopefully enable more timely diagnoses and more specifically tailored therapies in the near future, with the goal of improving outcomes in this young patient group.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 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 | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».