Ultrasound Measurement of Cartilage Thickness in Childhood Arthritis — Target the Tissue, Tailor the Technique
Notice bibliographique
Résumé
Joint cartilage is a major target of the erosive process in chronic arthritis. The occurrence of cartilage loss in children with juvenile idiopathic arthritis (JIA) represents, therefore, an early indicator of joint damage and raises the need to intensify therapy before irreversible structural changes develop. Until a few years ago, most experience in joint imaging in JIA was based on conventional radiography1. Joint space narrowing and erosions seen on plain films have traditionally been considered important markers of disease progression and have been observed early in the disease course in a higher-than-expected proportion of children with JIA2. However, radiographs are inadequately sensitive in the detection of the initial structural changes in JIA. Moreover, accurate assessment of joint damage in children is complicated by the age-related variations in the thickness of articular cartilage and the ongoing skeletal maturation. In growing children, bones are extensively cartilaginous, and ossification centers appear progressively and complete their growth over several years. In young children the epiphyses are highly vascularized and the metaphyseal vessels anastomose with epiphyseal vessels throughout the growth plate. In children with chronic arthritis, inflammation affecting the epiphyseal cartilage may extend to the ossification centers, causing excessive growth, deformities, or epiphyseal erosions. As a result, irreversible cartilage destruction may occur before bone changes are radiographically evident. Newer imaging modalities, particularly ultrasound (US) and magnetic resonance imaging (MRI), have played an increasing role in the identification of early signs of synovitis and damage in JIA3. US is particularly suited for use in children because of its noninvasiveness, rapidity of performance, relatively low cost, ability to scan multiple joints at one time, repeatability, safety, and high patient acceptability. US enables visualization of the soft tissues and principal components of the joints and can detect the cartilage of unossified epiphyses … Address correspondence to Dr. S. Magni-Manzoni. E-mail: silvia.magnimanzoni{at}opbg.net
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 | 0,008 | 0,001 |
| 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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,005 |
| 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 ».