Patterns of Arterial Disease in Takayasu Arteritis and Giant Cell Arteritis
Notice bibliographique
Résumé
Objective To identify and validate, using computer‐driven methods, patterns of arterial disease in Takayasu arteritis (TAK) and giant cell arteritis (GCA). Methods Patients with TAK or GCA were studied from the Diagnostic and Classification Criteria for Vasculitis (DCVAS) cohort and a combined North American cohort. Case inclusion required evidence of large‐vessel involvement, defined as stenosis, occlusion, or aneurysm by angiography/ultrasonography, or increased 18 F‐fluorodeoxyglucose (FDG) uptake by positron emission tomography (PET) in at least 1 of 11 specified arterial territories. K‐means cluster analysis identified groups of patients based on the pattern of arterial involvement. Cluster groups were identified in the DCVAS cohort and independently validated in the North American cohort. Results A total of 1,068 patients were included (DCVAS cohort: TAK = 461, GCA = 217; North American cohort: TAK = 225, GCA = 165). Six distinct clusters of patients were identified in DCVAS and validated in the North American cohort. Patients with TAK were more likely to have disease in the abdominal vasculature, bilateral disease of the subclavian and carotid arteries, or focal disease limited to the left subclavian artery than GCA ( P < 0.01). Patients with GCA were more likely to have diffuse disease, involvement of bilateral axillary/subclavian arteries, or minimal disease without a definable pattern than TAK ( P < 0.01). Patients with TAK were more likely to have damage by angiography, and patients with GCA were more likely to have arterial FDG uptake by PET without associated vascular damage. Conclusion Arterial patterns of disease highlight both shared and divergent vascular patterns between TAK and GCA and should be incorporated into classification criteria for large‐vessel vasculitis.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».