Clinical Features Distinguish Eosinophilic and Reflux‐induced Esophagitis
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND AND OBJECTIVES: Diagnosing eosinophilic esophagitis (EoE) depends on intraepithelial eosinophil count of ≥15 eosinophils per high-power field (HPF); however, differentiating EoE from gastroesophageal reflux disease (GERD) continues to be a challenge because no true "criterion standard" criteria exist. Identifying clinical and endoscopic characteristics that distinguish EoE could provide a more comprehensive diagnostic strategy than the present criteria. The aim of the study was to determine symptoms and signs that can be used to distinguish EoE from reflux esophagitis. METHODS: Adult and pediatric patients with EoE were identified by present diagnostic guidelines including an esophageal biopsy finding of ≥15 eosinophils/HPF. Patients with GERD were age-matched one to one with patients with EoE. Clinical, endoscopic, and histologic information at the time of diagnosis was obtained from the medical record and compared between pairs by McNemar test. A conditional logistic regression model was created using 6 distinguishing disease characteristics. This model was used to create a nomogram to differentiate EoE from reflux-induced esophagitis. RESULTS: Patients with EoE were 75% men and 68% had a history of atopy. Many aspects of EoE were statistically distinct from GERD when controlling for age. Male sex, dysphagia, history of food impaction, absence of pain/heartburn, linear furrowing, and white papules were the distinguishing variables used to create the logistic regression model and scoring system based on odds ratios. The area under the curve of the receiver-operator characteristic curve for this model was 0.858. CONCLUSIONS: EoE can be distinguished from GERD using a scoring system of clinical and endoscopic features. Prospective studies will be needed to validate this model.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle