Predictors of progression in systemic sclerosis patients with interstitial lung disease
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Systemic sclerosis (SSc) is a systemic autoimmune disease affecting multiple organ systems, including the lungs. Interstitial lung disease (ILD) is the leading cause of death in SSc.There are no valid biomarkers to predict the occurrence of SSc-ILD, although auto-antibodies against anti-topoisomerase I and several inflammatory markers are candidate biomarkers that need further evaluation. Chest auscultation, presence of shortness of breath and pulmonary function testing are important diagnostic tools, but lack sensitivity to detect early ILD. Baseline screening with high-resolution computed tomography (HRCT) is therefore necessary to confirm an SSc-ILD diagnosis. Once diagnosed with SSc-ILD, patients' clinical courses are variable and difficult to predict, although certain patient characteristics and biomarkers are associated with disease progression. It is important to monitor patients with SSc-ILD for signs of disease progression, although there is no consensus about which diagnostic tools to use or how often monitoring should occur. In this article, we review methods used to define and predict disease progression in SSc-ILD.There is no valid definition of SSc-ILD disease progression, but we suggest that either a decline in forced vital capacity (FVC) from baseline of ≥10%, or a decline in FVC of 5-9% in association with a decline in diffusing capacity of the lung for carbon monoxide of ≥15% represents progression. An increase in the radiographic extent of ILD on HRCT imaging would also signify progression. A time period of 1-2 years is generally used for this definition, but a decline over a longer time period may also reflect clinically relevant disease progression.
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.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découle