MétaCan
Menu
Retour à la cohorte
Enregistrement W2793933083 · doi:10.3899/jrheum.171188

Ultrasound: A Potential Tool for Detecting of Fasciitis in Dermatomyositis and Polymyositis

2018· letter· en· W2793933083 sur OpenAlexvenueno aff
Kavish J. Bhansing, Marieke H. Van Rosmalen, Baziel G.M. van Engelen, Piet L. van Riel, Sigrid Pillen, Madelon C Vonk

Notice bibliographique

RevueThe Journal of Rheumatology · 2018
Typeletter
Langueen
DomaineMedicine
ThématiqueInflammatory Myopathies and Dermatomyositis
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineDermatomyositisPolymyositisFasciitisEosinophilic fasciitisRheumatologyInterstitial lung diseaseMyositisFasciaConnective tissue diseaseInternal medicinemyalgiaDermatologyPathologySurgeryAutoimmune diseaseDiseaseLung

Résumé

récupéré en direct d'OpenAlex

To the Editor: We read with interest the article by Noda, et al regarding the presence of fasciitis among patients with dermatomyositis (DM) and polymyositis (PM) and the association with myalgia1. The authors used histopathologically proven fasciitis cases to assess associations with clinical variables such as myalgia, muscle weakness, serology, interstitial lung disease, and malignancy. Previously, we have assessed fascia thickness of the proximal muscles deltoid, vastus lateralis, and rectus femoris using muscle ultrasound (US) in 12 patients with DM or PM2. By comparison with healthy controls, we found a significant 2-fold increased fascia … Address correspondence to Dr. K.J. Bhansing, Radboud University Medical Center, Rheumatology, Geert Grooteplein 8, Nijmegen, 6500HB, the Netherlands. E-mail: k.bhansing{at}reuma.umcn.nl

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Étude de cas · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,924
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,007
Tête enseignante GPT0,237
Écart entre enseignants0,230 · 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 tête enseignante, pas un consensus.

Devis d'étudeÉtude de cas
Domainenon disponible
GenreEmpirique

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

En bref

Citations6
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Journal of RheumatologyMême sujetInflammatory Myopathies and DermatomyositisTravaux en français237 207