MétaCan
Menu
Retour à la cohorte
Enregistrement W2767469906 · doi:10.1002/cpt.890

Research Directions in Genetic Predispositions to Stevens–Johnson Syndrome / Toxic Epidermal Necrolysis

2017· review· en· W2767469906 sur OpenAlexaff
Teri A. Manolio, Carolyn M. Hutter, Mark Avigan, Ricardo Cibotti, Robert L. Davis, Joshua C. Denny, Lois La Grenade, Lisa M. Wheatley, Mary Carrington, Wasun Chantratita, Wen‐Hung Chung, Andrea D. Dalton, Wen‐Hung Chung, Ming Ta Michael Lee, J. Steven Leeder, Juan J.L. Lertora, Surakameth Mahasirimongkol, Howard L. McLeod, Maja Mockenhaupt, Michael Pacanowski, Elizabeth J. Phillips, Simone Pinheiro, Munir Pirmohamed, Cynthia Sung, Wimon Suwankesawong, Lauren A. Trepanier, Santa J. Tumminia, David L. Veenstra, Rika Yuliwulandari, Neil H. Shear

Notice bibliographique

RevueClinical Pharmacology & Therapeutics · 2017
Typereview
Langueen
DomaineMedicine
ThématiqueDrug-Induced Adverse Reactions
Établissements canadiensUniversity of Toronto
Organismes subventionnairesNational Human Genome Research InstituteNational Institutes of HealthNational Cancer InstituteNational Institute of General Medical SciencesMedical Research CouncilNational Institute for Health and Care Research
Mots-clésToxic epidermal necrolysisDrug reactionMedicineIncidence (geometry)DrugDermatologyGenetic predispositionComplicationIntensive care medicineAlleleSurgeryPharmacologyInternal medicineGeneticsDiseaseBiology

Résumé

récupéré en direct d'OpenAlex

Stevens-Johnson syndrome/toxic epidermal necrolysis (SJS/TEN) is one of the most devastating of adverse drug reactions (ADRs) and was, until recently, essentially unpredictable. With the discovery of several risk alleles for drug-induced SJS/TEN and the demonstration of effectiveness of screening in reducing incidence, the stage is set for implementation of preventive strategies in populations at risk. Yet much remains to be learned about this potentially fatal complication of commonly used drugs.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,022

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0060,002

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 Opus0,481
Tête enseignante GPT0,605
Écart entre enseignants0,124 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations18
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueClinical Pharmacology & TherapeuticsMême sujetDrug-Induced Adverse ReactionsTravaux en français237 207