P097 <break /> Interim Analysis of the EXCITING-ILD registry (Registry for Exploring Clinical and Epidemiological Characteristics of Interstitial Lung Diseases)
Notice bibliographique
Résumé
Background: The epidemiologic knowledge on interstitial lung diseases (ILD) is limited. The multi-centre registry “EXCITING” collects data on characteristics, management and outcomes of all ILDs. Method: Since 10/2014 ILD patients are recruited prospectively. Results: Until 03/2016, 276 patients were included: 64% male, median age 64 years, 58% current/ex-smokers, symptoms >6 months before diagnosis: 51%. Medians: FVC 74%, DLCO 51%, GAP-ILD-Index 0-1 27%, 2-3 28%, 4-5 27%, 6-8 18%. Diagnostic procedures: 93% CT (47% HRCT), 73% BAL, 21% surgical-lung-biopsies; 57% multidisciplinary discussion. Patients had following diseases: IIP 45% (IPF 33%, NSIP 4%, DIP 2%, COP 3%, LIP 1%), hypersensitivity pneumonitis 14%, CTD-ILD 6%, pneumoconiosis 1%, sarcoidosis 21%, unclassifiable 6%, LAM 2%, drug-induced-ILD 3%, PAP 0.5%, eosinophilic pneumonia 0.5%, 2.9% familial forms. Relevant comorbidities: 24% GERD, 8% PH, 12% emphysema. Drug-therapies at baseline: Azathioprine 9%, Prednisolone 65%, NAC 12%, Pirfenidone 16%, Nintedanib 16%, Cyclophosphamide 4%, MTX 6%, MMF 2%, Rituximab 1%, ICS 14%, Sirolimus 1%, TNF-alpha-inhibitors 1%, clinical trials 5%. Further therapies: physiotherapy 3%, non-invasive ventilation 7%, long-term-oxygen 23%, inpatient pulmonary rehabilitation 5%; 0.4% listed for lung transplant. Hospitalisations within 6 months before inclusion: 52% (74% for ILD: pneumonia 12%, AE-ILD 19%, pneumothorax 2%). After 6 months follow-up: 25% hospitalisations (53% for ILD: 38% pneumonia), median relapse-free-survival (no decrease FVC ≥10%, or DLCO ≥15%, or death) is currently 24 months.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».