MétaCan
Menu
Retour à la cohorte
Enregistrement W2139726267 · doi:10.3899/jrheum.090233

Prevention of Tuberculosis in Patients Taking Tumor Necrosis Factor-  Blockers

2009· article· en· W2139726267 sur OpenAlexvenueno aff
Barbara Bellofiore, Alessandro Matarese, Nicola Balato, Francesca Gaudiello, Raffaele Scarpa, Mariangela Atteno, Marialuisa Bocchino, Alessandro Sanduzzi

Notice bibliographique

RevueJournal of Rheumatology Supplement · 2009
Typearticle
Langueen
DomaineMedicine
ThématiqueTuberculosis Research and Epidemiology
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineTuberculosisLatent tuberculosisTuberculinMycobacterium tuberculosisTumor necrosis factor alphaImmunologyDiseaseInternal medicinePathology

Résumé

récupéré en direct d'OpenAlex

Treatment with tumor necrosis factor-alpha (TNF-alpha) inhibitors increases the risk of tuberculosis (TB) due to reactivation of latent Mycobacterium tuberculosis infection (LTBI). Screening for LTBI is based mainly on the tuberculin skin test (TST), which has several limitations in any patient who is immunosuppressed due to drugs or autoimmune disease. T cell interferon-gamma release assays (IGRA) have been shown to be more specific than TST in immunocompetent patients and potentially represent a new approach for the management of patients taking TNF-alpha blockers. Even if there is no evidence-based literature of IGRA superiority versus TST in this specific clinical setting, some studies suggest blood assays may be helpful in clinical management of these patients, in addition to currently recommended clinical screening for risk factors for LTBI.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,676

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,022
Tête enseignante GPT0,333
Écart entre enseignants0,310 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations15
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Rheumatology SupplementMême sujetTuberculosis Research and EpidemiologyTravaux en français237 207