The Ever-Changing Landscape of Drug-Induced Injury of the Lower Gastrointestinal Tract
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
CONTEXT: -There is an ever-growing armamentarium of pharmacologic agents that can cause gastrointestinal (GI) mucosal injury, the most common symptoms being diarrhea, constipation, nausea, and vomiting. These are often self-limiting and without serious sequelae, but some symptoms are of greater concern, like drug-induced mucosal ulceration that can manifest as GI hemorrhage, stricture formation, and even perforation. Histologically, there is significant overlap between drug-induced injuries and various disease entities. A single type of medication may cause multiple patterns of injury, which can involve the entire GI tract or just some parts of it. OBJECTIVE: -To review the most common drug-induced injury patterns affecting the colon, which may be recognized by the surgical pathologist on colonic mucosal biopsies. This review does not address the injuries occurring in the upper GI tract. DATA SOURCES: -A PubMed review of English-language literature, up to December 2015, on drug-induced injury of GI tract was performed. CONCLUSIONS: -There are numerous drugs that damage the colonic mucosa. The most common drugs are included in this review according to their histologic pattern of injury. It is important for the pathologist to keep in mind that a single drug type can induce many histologic patterns of mucosal injury that can mimic many disease entities. Although there are some histologic clues helpful in the diagnosis of drug-induced colonic injury, correlation with clinical history and especially medication history is essential to improve diagnostic accuracy.
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.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 découle