Scleroderma Lung Involvement, Autoantibodies, and Outcome Prediction: The Confounding Effect of Time
Notice bibliographique
Résumé
Systemic sclerosis (SSc) remains a poorly understood disease and so far none of the routinely used immunosuppressive treatments has been definitively shown to benefit longterm disease outcome. Scleroderma-related cardiopulmonary involvement has been the leading cause of death in more recent decades, and pulmonary fibrosis (PF) and pulmonary hypertension (PH) account for a substantial proportion of the SSc-related deaths, as demonstrated by several large metaanalyses1,2,3. Early detection and monitoring of PF and PH may benefit outcome by permitting earlier intervention in severe or progressive cases4. Multiple attempts have been made to develop prediction models, both for development and for outcome, in already present SSc-related lung disease. Consistently, autoantibody specificities are among the strongest but not the only predictors of organ disease in scleroderma patients, and autoantibody characterization is a mandatory part of investigations in new SSc cases. It is well established that while positivity for anticentromere antibodies (ACA) is associated with the limited cutaneous subset of the disease and a low risk of pulmonary or renal involvement, presence of antitopoisomerase I antibodies (ATA) conveys a substantially increased risk of PF development; moreover anti-RNA polymerase antibodies (ARA) are strongly associated with the diffuse cutaneous subset (dcSSc) and development of scleroderma renal crisis (SRC)5. Most cohort studies describe no particular association between ARA positivity and PH or PF development. Although this was true in an unadjusted analysis, when correcting for other variables, ARA positivity was shown to associate with an increase in the hazard of PH development in a large single-center cohort analysis6. In addition, compared to ACA-positive patients, those carrying ARA have been … Address correspondence to Dr. S.I. Nihtyanova, Centre for Rheumatology and Connective Tissue Diseases, UCL Medical School, Royal Free Campus, Rowland Hill Street, London NW3 2PF, UK. E-mail: s.nihtyanova{at}ucl.ac.uk
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 | 0,010 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».