Treatment Algorithms for Systemic Sclerosis According to Experts
Notice bibliographique
Résumé
OBJECTIVE: There is a lack of agreement regarding treatment for many aspects of systemic sclerosis (SSc). We undertook this study to generate SSc treatment algorithms endorsed by a high percentage of SSc experts. METHODS: Experts from the Scleroderma Clinical Trials Consortium and the Canadian Scleroderma Research group (n = 170) were asked whether they agreed with SSc algorithms from 2012. Two consensus rounds refined agreement; 62, 54, and 48 experts (36%, 32%, and 28%, respectively) completed the first, second, and third surveys, respectively. RESULTS: For treatment of scleroderma renal crisis, 81% of experts agreed (first-, second-, and third-line treatments were angiotensin-converting enzyme inhibitors, then adding calcium-channel blockers [CCBs], then adding angiotensin receptor blockers [ARBs], respectively). For pulmonary arterial hypertension (PAH), 81% of experts agreed (for mild PAH, treatments were phosphodiesterase 5 [PDE5] inhibitors, then endothelin receptor antagonists plus PDE5 inhibitors, then prostanoids, respectively; for severe PAH, prostanoids were first-line treatment). For mild Raynaud's phenomenon (RP), 79% of experts agreed (treatments were CCBs, then adding PDE5 inhibitors, then ARBs or switching to another CCB, respectively; after the third line of treatment, mild RP was deemed severe). For severe RP, the first- through fourth-line treatments were CCBs, then adding PDE5 inhibitors or prostanoids, then adding PDE5 inhibitors (if not added as second-line treatment) or prostanoids (if not added as second-line treatment), then switching to another CCB, respectively. For active treatment of digital ulcers, 66% of experts agreed (first- and second-line treatments were CCBs and PDE5 inhibitors, respectively). For interstitial lung disease, 69% of experts agreed (for induction therapy, treatments were mycophenolate mofetil [MMF], intravenous cyclophosphamide [IV CYC], and rituximab, respectively; for maintenance, first-line treatment was MMF). For skin involvement, 71% of experts agreed (for a modified Rodnan skin thickness score [MRSS] of 24, first- and second-line treatments were methotrexate [MTX] and MMF, respectively; for an MRSS of 32, first- through fourth-line treatments were MMF, MTX, IV CYC, and hematopoietic stem cell transplantation, respectively). For inflammatory arthritis, 79% of experts agreed (first- through fourth-line treatments were MTX, low-dose glucocorticoids, hydroxychloroquine, and rituximab or tocilizumab, respectively). Algorithms for cardiac and gastrointestinal involvement had ≥75% agreement. CONCLUSION: Total agreement for SSc algorithms was considerable. These algorithms may guide treatment.
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 | 0,059 | 0,125 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,003 |
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 ».