Uveitis Subtypes in a German Interdisciplinary Uveitis Center—Analysis of 1916 Patients
Notice bibliographique
Résumé
OBJECTIVE: Studies on the epidemiology of uveitis are rare and cohorts are small. We analyzed the frequencies of classified forms of uveitis in all patients at our center. METHODS: We studied 1916 consecutive patients with inflammatory eye disease. Data were analyzed regarding associated systemic disease, infection, ocular syndromes, anatomic localization, age, and sex. RESULTS: In 59.1% of patients, a classified form of uveitis was observed: associated systemic diseases in 43.7%, the most frequent ones sarcoidosis (17.4%) and ankylosing spondylitis (16.8%); ocular syndromes in 34.3%, the most frequent HLA-B27-positive anterior uveitis (AU; 35.1%) and Fuchs uveitis syndrome (FUS; 34.3%); and infections in 22.4%, the most frequent herpetic infections (46.1%) and toxoplasmosis (31.5%). We found AU in 45.4% of patients (15.4% HLA-B27-positive AU and 11.3% FUS), intermediate uveitis in 22.9% (unclassified 53.7% and multiple sclerosis 10.3%), and posterior uveitis in 13.5% (24.7% toxoplasmosis). Panuveitis was diagnosed in 6.2% of cases (Behçet's disease 12.6%; sarcoidosis 10.9%). The remaining 12.0% of cases showed extrauveal manifestations (scleritis, episcleritis, keratitis, optic neuritis, myositis, and orbital inflammation). CONCLUSION: We describe the largest cohort to date of consecutive patients from a specialized uveitis center. The high frequency of classified disease, nearly 60% in our clinic, shows the usefulness of an interdisciplinary approach, oriented on anatomic presentation.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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 ».