MétaCan
Menu
Retour à la cohorte
Enregistrement W2196477454 · doi:10.1186/s40695-015-0012-9

Rheumatic autoimmune diseases in women and midlife health

2015· article· en· W2196477454 sur OpenAlexaff
Wendy Marder, Évelyne Vinet, Emily C. Somers

Notice bibliographique

RevueWomen s Midlife Health · 2015
Typearticle
Langueen
DomaineMedicine
ThématiqueSystemic Lupus Erythematosus Research
Établissements canadiensMcGill University Health Centre
Organismes subventionnairesNational Center for Chronic Disease Prevention and Health PromotionOffice of Research on Women's HealthNational Institute of Environmental Health SciencesEunice Kennedy Shriver National Institute of Child Health and Human DevelopmentCenters for Disease Control and PreventionNational Institutes of HealthU.S. Department of Health and Human Services
Mots-clésMedicineScleroderma (fungus)Rheumatoid arthritisDiseaseAutoimmune diseaseOsteoporosisImmunologyDermatologyInternal medicine

Résumé

récupéré en direct d'OpenAlex

Autoimmune diseases such as systemic lupus erythematosus (SLE), rheumatoid arthritis (RA), and systemic sclerosis (scleroderma) preferentially affect women, and are characterized by systemic inflammation leading to target organ dysfunction. The public health burden of autoimmune diseases, which collectively represent a leading cause of morbidity and mortality among women throughout adulthood, is substantial. While some features of these diseases have been observed to improve over the menopausal transition, such as disease flare rate in SLE and skin softening and thinning in scleroderma, others, such as swollen and tender joints and radiographically confirmed damage in RA may worsen. The general trends, however, are not consistent or conclusive for all disease-related manifestations. Of great importance is the recognition that comorbid diseases, including osteoporosis and accelerated cardiovascular disease, contribute excess morbidity and mortality that becomes increasingly apparent as women with autoimmune diseases undergo the menopausal transition.

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)0,004
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,144
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0020,000
Bibliométrie0,0010,001
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)0,0000,000

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 Opus0,043
Tête enseignante GPT0,347
Écart entre enseignants0,304 · 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.

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

Citations75
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWomen s Midlife HealthMême sujetSystemic Lupus Erythematosus ResearchTravaux en français237 207