MétaCan
Menu
Retour à la cohorte
Enregistrement W2080325337 · doi:10.1093/rheumatology/ket194

Essentials in Rheumatology: Disease Management * I29. Recognition and Management of the Auto-Inflammatory Diseases

2013· article· en· W2080325337 sur OpenAlexaff
Dennis McGonagle, Frank McKenna, Tracy Maher, Richard G. Kavanagh, Anne M. Cunningham, M. Lee, R. Grosart, R. Wakefield, David Kane, Walter Schmidt, Timothy Young, Mwidimi Ndosi, Matthew Lewis, Claire Hale, H. A. Bird, Sarah Ryan, Helen R. Quinn, E McIvor, Bruce Taylor, G Burbage, D. Bond, John R. White, D. Chagadama, S. Green, Lisa Kay, A Pace, Victoria Bejarano, Paul Emery, Jackie Hill, M. Hurley, Mark Porcheret, Ollie Hart, David J. Oliver, L. Coates, Martin E. Backhouse, David Pickles, Valerie M. Chamberlain, Kris Partridge, A. Keat, Peter J. Maddison, Peter C. Taylor, A. R. Dillon, V. Chapman, Theodore Pincus, David L. Shelton, Esteban Ballestar, John Loughlin, P. P. Tak, Rab K. Prinjha, L. Regan, D. D’Cruz, Gareth T. Jones, Jacob S. Lewis, M. den Hollander, M. Goossens, Jan de Jong, Ralf Smeets, Johan W.S. Vlaeyen, J Ioannou, J McDonagh, Jacqui Clinch, C Pilkington, S. Siebert, Jennifer L. Martindale, Colin Beevor, C. Jeffries, C. Deighton, Alan Nye, Doug Cook, J. D. Firth

Notice bibliographique

RevueLara D. Veeken · 2013
Typearticle
Langueen
DomaineMedicine
ThématiqueFibromyalgia and Chronic Fatigue Syndrome Research
Établissements canadiensArthritis Society
Organismes subventionnairesnon disponible
Mots-clésAutoimmunityImmunologyMedicineInnate immune systemAcquired immune systemInflammationImmune systemRheumatologyDiseasePathologyInternal medicine

Résumé

récupéré en direct d'OpenAlex

Historically immunology was considered to be the science of self–non-self discrimination and inflammation against self was invariably considered in relationship to B and T cell tolerance failure. Indeed the classical autoantibody associated autoimmunity paradigm, that sometimes powerfully manifests as fulminant lupus-related thrombosis, for example, attests to the veracity of the autoimmunity concept that underpins much of rheumatology practice. However, non-infectious inflammation against self was suspected not to be exclusively within the realms of autoimmunity, but until recently a clearly defined concept of what exactly this represented did not exist. The teaching of immunology commences with the fact that the immune system is composed of an innate and an adaptive arm and that these are ultimately functionally integrated. Over a decade ago the word autoinflammation was used to describe rare monogenic disorders including familial mediterranean fever (FMF) and TNF-associated peroidic fever syndrome (TRAPS) where the inflammation was not onstensibly linked to autoimmunity. Recognizing that perturbation of immune responses could equally be dependent on aberrant innate immunity we defined autoinflammmation as the diametric opposite boundary to autoimmunity where disease is driven by intrinsic perturbation of the non-immune cells of the target tissues or the innate immune populations that patrol these sites [1]. The innate immune-dependent or autoinflammatory disorders have clinical phenotypes distinct from those of autoimmunity and at the molecular level often converge on key cytokines such as IL-1 or TNF. The purpose of this talk is to show how autoinflammation can be recognized based on clinical features, serology and genetics. It also shows how diseases that were formerly designated as autoimmune may in some cases be autoinflammatory at disease inception. Diseases that are intermediate between autoinflammation and autoimmunity will be briefly touched on. The proper clinical designate of autoinflammation is key for treatment strategies. Thus far, many of the autoinflammatory diseases have shown a remarkable response to strategies of IL-1 antagonism. Illustrative cases including those where a clear diagnosis was not initially evident will be used to show treatment strategies. Disclosures: Reference 1. McGonagle D, McDermott MF. A proposed classification of the immunological diseases. PLoS Med 2006;3:e297.

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)0,003
score de la tête « metaresearch » (Gemma)0,005
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: Synthèse
Score de désaccord entre enseignants0,020
Score d'incertitude au seuil0,067

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,005
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0030,002
Science ouverte0,0010,002
Intégrité de la recherche0,0030,005
Charge utile insuffisante (le modèle a refusé de juger)0,0200,014

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 Opus0,018
Tête enseignante GPT0,266
Écart entre enseignants0,248 · 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

Citations0
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueLara D. VeekenMême sujetFibromyalgia and Chronic Fatigue Syndrome ResearchTravaux en français237 207