MétaCan
Menu
Retour à la cohorte
Enregistrement W2033011240 · doi:10.1111/j.1529-8019.2009.01260.x

Clinical risk management of Stevens-Johnson syndrome/toxic epidermal necrolysis spectrum

2009· review· en· W2033011240 sur OpenAlexaff
Simon R. Knowles, Neil H. Shear

Notice bibliographique

RevueDermatologic Therapy · 2009
Typereview
Langueen
DomaineMedicine
ThématiqueDrug-Induced Adverse Reactions
Établissements canadiensUniversity of TorontoSunnybrook Health Science CentreHealth Sciences Centre
Organismes subventionnairesnon disponible
Mots-clésToxic epidermal necrolysisMedicineIntensive care medicineEmpathyAdverse effectDermatologyMEDLINEAdverse drug reactionRisk managementDrugPsychiatryInternal medicine

Résumé

récupéré en direct d'OpenAlex

Clinical risk management concedes that risk is inherent to all health-care processes. Stevens-Johnson syndrome (SJS) and toxic epidermal necrolysis (TEN) are rare but potentially life-threatening reactions to medications. Risk management should be considered prior to starting, during, and after therapy. Prior to starting therapy, risks that need to be assessed include any specific patient groups that may be at greater risk for the development of SJS/TEN. Gene testing is in place for Chinese and Thai patients who are going to be exposed to carbamazepine. During therapy, it is important to recognize SJS/TEN as a possible adverse drug reaction. Diagnostic criteria have changed, and more data exist on drugs with an increased risk. Although there is no standardized treatment for all patients with SJS/TEN, options that have been used include cyclosporine, corticosteroids, and intravenous immunoglobulin. Standards of care are usually defined locally, but new treatments, such as amniotic membrane support for ocular damage, may need to be considered. Good communication skills are needed to allow practitioners to show empathy and to provide disclosure. Risk management after a reaction includes skills in acknowledging bad outcomes or error; freedom to say "sorry" as defined by "apology laws," and knowing the rights provided by "Quality Assurance Conferences," where the information discussed is protected. In other words, the patient is best supported after an event like SJS/TEN if the practitioner is knowledgeable about optimal care standards and their legal rights and obligations.

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)0,002
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,007
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,084
Tête enseignante GPT0,394
Écart entre enseignants0,310 · 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'étudeSans objet
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

Citations43
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDermatologic TherapyMême sujetDrug-Induced Adverse ReactionsTravaux en français237 207