Notice bibliographique
Résumé
Despite major progress in diagnosis and treatment of rheumatoid arthritis (RA), this systemic autoimmune disorder is still a challenge for predicting the course of disease, therapeutic response, and outcome on the individual level. This is no surprise: the pathogenesis of RA is extremely complex, involving genetic predisposition, gender bias, dys-regulation of immunologic tolerance, and environmental factors, to name a few factors. Finally, an infiltrating army of various immune-competent cells induces production and release of proinflammatory cytokines as well as proteinases, inevitably causing destruction of cartilage and bone. On the other hand, our skills and opportunities to stop this process have significantly improved through introduction of biologic disease-modifying antirheumatic drugs. However, it again became evident that RA is not uniform, and new efforts have been made to identify markers for stratification of disease, also allowing prediction of response. As an example, encouraging data have come from clinical trials using rituximab, where seropositive patients (positive for rheumatoid factor and/or antibodies against citrullinated antigens) were characterized as the subgroup responding better to therapy1,2,3. Recently, a stronger reduction in disease activity under tumor necrosis factor (TNF) blockers was observed in seronegative patients with RA in a multicenter study in the UK4, and this unexpected finding was also confirmed in Italian and German cohorts. Since biomarkers to predict response are available not only from the autoantibody profile (as part of the immunome), but may also be encoded in the genes (the genome) or provided by the composition of mRNA expression (the transcriptome), proteins, and metabolites (proteome and metabolome), the field for future research … Address correspondence to Dr. Burmester. E-mail: gerd.burmester{at}charite.de
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,005 |
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 source (Gemma direct ou Codex distillé), 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 ».