MétaCan
Menu
Retour à la cohorte
Enregistrement W2090824705 · doi:10.3899/jrheum.120123

Digital Gangrene in a Patient with Systemic Lupus Erythematosus and Systemic Sclerosis: Figure 1.

2012· article· en· W2090824705 sur OpenAlexaffvenue
Mohammed A. Omair, Arthur Bookman, Shikha Mittoo

Notice bibliographique

RevueThe Journal of Rheumatology · 2012
Typearticle
Langueen
DomaineMedicine
ThématiqueSystemic Sclerosis and Related Diseases
Établissements canadiensUniversity of TorontoUniversity Health Network
Organismes subventionnairesnon disponible
Mots-clésMedicineSclerodactylyGangreneAnti-nuclear antibodySerositisDermatologyScleroderma (fungus)Rheumatoid arthritisSystemic diseaseSurgeryInternal medicineArthritisAutoantibodyPathologyDiseaseImmunologyCalcinosisAntibody

Résumé

récupéré en direct d'OpenAlex

Nearly half of patients with systemic sclerosis (SSc) experience a digital ulcer, and many of these ulcers may progress to digital gangrene. Gangrene can stem from inadequate healing of digital ulcers or complications of comorbidities along with elevated C-reactive protein (CRP) levels. A 49-year-old woman diagnosed with systemic lupus erythematosus (SLE) and an overlap with SSc since 2006 presented in December 2010 with a 1-day history of acute pain and discoloration of all her digits (Figure 1). Figure 1. Dorsal and palmar views showing acute gangrene of all 5 digits on the right hand and chronic ulcers affecting the palmar aspect on the left hand (A, B). Panels (C) and (D) show both hands after 6 months of followup. Note the extensive skin desquamation on both hands. Her connective tissue disease course was characterized by sclerodactyly, gastrointestinal reflux, inflammatory arthritis, serositis, oral ulcers, Raynaud’s phenomenon (RP), positive antinuclear antibody with titer 1:640 in a speckled pattern, rheumatoid factor, anti-Sm, and anti-RNP antibodies. She was treated since 2008 with stable doses of methotrexate and leflunomide. She was not known to have any risk factors for atherosclerosis such as diabetes mellitus, hypertension, or dyslipidemia, and she did …

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: Étude de cas
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,032

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
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0090,001

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 Opus0,013
Tête enseignante GPT0,215
Écart entre enseignants0,202 · 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
GenreEmpirique

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

En bref

Citations5
Publié2012
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueThe Journal of RheumatologyMême sujetSystemic Sclerosis and Related DiseasesTravaux en français237 207