Assessment of an infectious disease history preceding juvenile dermatomyositis symptom onset
Notice bibliographique
Résumé
OBJECTIVES: A number of studies have looked at the role of infectious diseases in triggering juvenile dermatomyositis (JDM). Previous studies have found a moderately high frequency of infectious symptoms prior to disease onset; however, no specific pathogens could be identified. We sought to correlate preceding infectious symptoms with onset and outcomes of JDM. METHODS: We studied an inception cohort of all JDM cases diagnosed at The Hospital for Sick Children (SickKids) between 1988 and 2006. Data pertaining to symptoms at onset, diagnosis and disease outcomes were abstracted. Two independent paediatric infectious disease specialists reviewed all records of patients with symptoms or tests suggestive of infection. RESULTS: A total of 110 patients were reviewed; of these, 78 had sufficient information about disease onset for inclusion. Potential indications of an infectious process prior to JDM onset were found in 55/78 (71%) patients and were further evaluated for evidence of infection temporally associated with symptom onset. Features suggestive of infection prior to JDM symptom onset were found in 40/55 [probable (30/40) or possible (10/40)]. Most children with probable infections had respiratory illnesses [24/30 (80%)]. Fewer patients than expected had disease onset during summer months. The presence of an infection at onset was not found to be associated with differences in characteristics at diagnosis or disease outcomes. CONCLUSIONS: A substantial number of JDM patients have a clinical history consistent with an infection prior to onset. Newly diagnosed patients should undergo a full infectious disease assessment as part of their initial work-up; specific attention should be given to respiratory infections.
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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».