MétaCan
Menu
Retour à la cohorte
Enregistrement W2023613221 · doi:10.1017/s0022215108001783

Sensorineural hearing loss in systemic lupus erythematosus: case report and literature review

2008· review· en· W2023613221 sur OpenAlexaff
Nader Khalidi, Ryan Rebello, D D Robertson

Notice bibliographique

RevueThe Journal of Laryngology & Otology · 2008
Typereview
Langueen
DomaineNeuroscience
ThématiqueVestibular and auditory disorders
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésMedicineAzathioprinePrednisoneSensorineural hearing lossHearing lossAudiogramSystemic diseaseSystemic lupus erythematosusMagnetic resonance imagingDermatologyLupus erythematosusAudiologyPathologyInternal medicineImmunologyImmunopathologyRadiologyDiseaseAntibody

Résumé

récupéré en direct d'OpenAlex

OBJECTIVES: We present a case of systemic lupus erythematosus with symptomatic sensorineural hearing loss which was successfully treated with azathioprine, as assessed both clinically and radiologically. We also present a review of the relevant literature. CASE REPORT: A woman with systemic lupus erythematosus presented with sensorineural hearing loss, initially on the right and subsequently developing on the left over several months. An audiogram revealed profound neurosensory hearing loss bilaterally. The patient was treated with prednisone 60 mg daily and azathioprine 200 mg daily. An improvement on the left was noted on follow-up audiography as well as on magnetic resonance imaging of the internal auditory canals and surrounding structures. CONCLUSION: Sensorineural hearing loss has been described in autoimmune disorders but is rare. Aural symptoms have been described, with varying incidences (0-57.5 per cent), in systemic lupus erythematosus. However, symptomatic sensorineural hearing loss is rare in systemic lupus erythematosus. Prednisone appears essential when an immunological or vasculitic cause is found. The use of azathioprine should be considered, as well as follow-up with magnetic resonance imaging to detect improvement.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Étude de cas · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0040,004
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,002

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.

Tête enseignante Opus0,038
Tête enseignante GPT0,323
Écart entre enseignants0,285 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeÉtude de cas
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations35
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Journal of Laryngology & OtologyMême sujetVestibular and auditory disordersTravaux en français237 207