Classification, Diagnosis, and Management of Idiopathic Inflammatory Myopathies
Notice bibliographique
Résumé
The detection and characterization of a large array of autoantibodies, including at least 8 different antisynthetase, anti-SRP, -200/100 (HMGCR), -Mi-2, -CADM-140 (MDA5), -SAE, -p155, -MJ (NXP-2), and -PMS1, frequently associated with distinct and well-defined clinicopathological features, allowed for significant improvement in the definition and diagnosis of idiopathic inflammatory myopathies (IIM). Classification remains difficult, with lingering divergence between the different specialties involved in IIM care, but several categories clearly stand out, including dermatomyositis (DM), overlap myositis (OM), polymyositis, necrotizing myositis, and sporadic inclusion body myositis (s-IBM). Biopsy and histological analysis remain crucial, particularly in the absence of autoantibodies, to accurately specify the diagnosis and rule out mimics such as muscular dystrophies and metabolic myopathies. Numerous infectious agents (in particular human immunodeficiency virus and human T cell lymphotrophic virus-1) and drugs (statins, tumor necrosis factor inhibitors, and proton pump inhibitors) can cause mimic IIM that must also be excluded. Pharmacological treatment, in addition to glucocorticoids and immunoglobulins, now includes mycophenolate mofetil and rituximab, which proved helpful in resistant cases, particularly rituximab in DM and OM. Exercise, initially seen as potentially deleterious, recently was shown to be efficacious and safe. IIM can thus be reasonably well controlled in most cases, although aggressive disease remains refractory to treatment, including some cases of necrotizing myopathy. Sporadic IBM still seems resistant to all medications tested to date.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 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 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 ».