MétaCan
Menu
Retour à la cohorte
Enregistrement W3048639443 · doi:10.12688/f1000research.20419.1

Pediatric SJS-TEN: Where are we now?

2020· preprint· en· W3048639443 sur OpenAlexaff
Michele Ramien, Jennifer L. Goldman

Notice bibliographique

RevueF1000Research · 2020
Typepreprint
Langueen
DomaineMedicine
ThématiqueDrug-Induced Adverse Reactions
Établissements canadiensAlberta Children's HospitalUniversity of Calgary
Organismes subventionnairesNational Institute of General Medical SciencesPediatric Dermatology Research Alliance
Mots-clésToxic epidermal necrolysisMedicineMycoplasma pneumoniaeRashContext (archaeology)ErythrodermaDermatologyDiseaseMucositisDrug reactionOpen peer reviewIntensive care medicineDrugPlant biologyPathologyToxicityPneumoniaInternal medicinePharmacologyBiology

Résumé

récupéré en direct d'OpenAlex

Stevens-Johnson syndrome and toxic epidermal necrolysis are rare severe blistering skin reactions triggered by medications or infections. Over the last 5 to 10 years, a number of important publications have advanced understanding of these diseases and their response to treatment. Importantly, a subset of patients with disease triggered by infection has been identified as having Mycoplasma pneumoniae-induced rash and mucositis, suggesting a reconsideration of the diagnostic paradigm. We present an update on pediatric Stevens-Johnson syndrome and toxic epidermal necrolysis in the broader context of cutaneous adverse drug reactions and focus on challenges and recent advances in diagnosis, management, and prevention.

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)0,002
score de la tête « metaresearch » (Gemma)0,012
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,035

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,012
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0040,009
Science ouverte0,0010,001
Intégrité de la recherche0,0030,007
Charge utile insuffisante (le modèle a refusé de juger)0,0110,007

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 Opus0,129
Tête enseignante GPT0,399
Écart entre enseignants0,270 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

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

En bref

Citations53
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueF1000ResearchMême sujetDrug-Induced Adverse ReactionsTravaux en français237 207