Lumpers and Splitters: Ongoing Issues in the Classification of Large Vessel Vasculitis
Notice bibliographique
Résumé
Large vessel vasculitis (LVV) is defined as inflammation that affects the aorta and its major branches. Takayasu arteritis (TAK) and giant cell arteritis (GCA) are the 2 main forms of LVV1. Historically, GCA is considered a disease of the elderly that targets the extracranial arteries (e.g., carotid and temporal arteries). In contrast, TAK typically affects younger patients and targets the aorta and its primary branches (e.g., subclavian and renal arteries). However, increasing evidence, primarily based on radiographic studies, demonstrates that vasculitic involvement of the aorta and primary branches can occur in GCA in addition to the more widely recognized cranial features of the disease2. Current estimates about the prevalence of involvement of the aorta and primary branches in GCA vary widely across different cohorts, but large vessel pathology is apparent by angiography in about 20%–30% of patients with GCA3,4. There are no existing guidelines regarding screening for large artery involvement in GCA, so the incidence of large vessel disease in GCA may be underestimated. An older necropsy study of 4 patients with GCA and known temporal arteritis, in which there was no clinical suspicion for vasculitis in the aorta and branch vessels, demonstrated widespread vasculitic lesions throughout the large arteries in every patient5. Cumulative incidence rates of large vessel involvement in GCA have increased dramatically over the last 2 decades in parallel with increased awareness about this feature of GCA6. Recognition of involvement of vessels beyond the extracranial arteries as a feature of GCA has created new challenges in the disease classification of LVV. The 1990 American College of Rheumatology (ACR) Classification Criteria for GCA were developed in a time when involvement of the aorta and primary branches was not a well-recognized feature of GCA and are focused … Address correspondence to Dr. P.C. Grayson, National Institutes of Health, 10 Center Drive, Building 10, 6N Rm 216G, Bethesda, Maryland 20892, USA. E-mail: peter.grayson{at}nih.gov
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 | 0,074 | 0,136 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,002 |
| Bibliométrie | 0,009 | 0,006 |
| Études des sciences et des technologies | 0,005 | 0,013 |
| Communication savante | 0,008 | 0,028 |
| Science ouverte | 0,011 | 0,006 |
| Intégrité de la recherche | 0,011 | 0,019 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,006 |
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 ».