Variations in the clinical practice of physicians managing Takayasu arteritis: a nationwide survey
Notice bibliographique
Résumé
OBJECTIVE: Takayasu arteritis (TAK) is a large vessel vasculitis that predominately affects young women and can cause severe ischemic complications. Given the rarity of TAK, the management of this condition is challenging. We aim to describe current rheumatologist practices for the management of TAK and identify discrepancies and gaps in knowledge. METHODS: An online survey (developed by the Canadian Vasculitis Network and approved by the Canadian Rheumatology Association) containing 48 questions with regard to the diagnosis, monitoring and treatment of TAK was distributed to 495 Canadian adult and pediatric rheu-matologists by email. RESULTS: Sixty-six rheumatologists completed the survey (13% response rate): the majority (73%) were from academic centers and ≤25% reported managing more than ten patients in their career. For establishing the diagnosis of TAK, they relied on a combination of signs and symptoms of ischemia, elevations of inflammatory markers and vascular imaging (typically computed tomography and magnetic resonance angiography). The frequency of monitoring for disease activity and the methods employed (clinical, laboratory or imaging) were variable. All physicians used corticosteroids for the treatment of TAK, but 42% would treat for at least 6-12 months, 26% for 12-24 months and 23% would never stop corticosteroids. Fifty-three percent would always use an immunosuppressant (most commonly methotrexate or azathioprine) in addition to corticosteroids and the remainder would only start an immunosuppressant in patients with refractory or relapsing disease. CONCLUSION: Physician practices for the management of TAK are variable, suggesting that there are knowledge gaps, which may impact outcomes in patients with TAK.
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 | 0,011 | 0,009 |
| 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 | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».