MétaCan
Menu
Retour à la cohorte
Enregistrement W2980901660 · doi:10.1177/2050313x19881594

The role of anti-tumour necrosis factor in wound healing: A case report of refractory ulcerated necrobiosis lipoidica treated with adalimumab and review of the literature

2019· article· en· W2980901660 sur OpenAlexaff
Vijay K. Sandhu, Afsáneh Alavi

Notice bibliographique

RevueSAGE Open Medical Case Reports · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueSkin Diseases and Diabetes
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésNecrobiosis lipoidicaMedicineAdalimumabDermatologyRefractory (planetary science)SurgeryDiabetes mellitusPathologyDisease

Résumé

récupéré en direct d'OpenAlex

Necrobiosis lipoidica is a chronic granulomatous disease historically associated with diabetes. Necrobiosis lipoidica commonly presents with erythematous papules or plaques on the anterior lower extremities, which can be ulcerated in up to 30% of patients. The pathophysiology of necrobiosis lipoidica is unknown but proposed to be predominantly linked to microangiopathy. No treatment option for necrobiosis lipoidica has shown consistent efficacy. Previous case reports have shown immune-modulating agents to be reasonable treatment options for ulcerative necrobiosis lipoidica. However, evidence for the tumour necrosis factor-alpha inhibitor, adalimumab, is limited and contradictory. We report a case of a 74-year-old type 2 diabetic female with a 2-year history of multiple ulcerated necrobiosis lipoidica plaques resistant to topical and systemic therapy. Treatment with adalimumab showed complete re-epithelization of all ulcers by week 28. Adalimumab may be an effective treatment option for ulcerated necrobiosis lipoidica that has failed traditional therapies. Further reports of adalimumab treatment of necrobiosis lipoidica and other chronic inflammatory wounds are needed.

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)0,000
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Étude de cas · Signal consensuel: Étude de cas
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0050,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,009
Tête enseignante GPT0,275
Écart entre enseignants0,267 · 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'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

Citations10
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSAGE Open Medical Case ReportsMême sujetSkin Diseases and DiabetesTravaux en français237 207