MétaCan
Menu
Retour à la cohorte
Enregistrement W3115768774 · doi:10.1097/bor.0000000000000771

New lupus criteria: a critical view

2020· review· en· W3115768774 sur OpenAlexaff
Martin Aringer, Sindhu R. Johnson

Notice bibliographique

RevueCurrent Opinion in Rheumatology · 2020
Typereview
Langueen
DomaineMedicine
ThématiqueSystemic Lupus Erythematosus Research
Établissements canadiensToronto Western HospitalUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésMedicineRheumatismAnti-nuclear antibodyRheumatologySystemic lupus erythematosusInternal medicineCohortImmunologyAntibodyAutoantibodyDisease

Résumé

récupéré en direct d'OpenAlex

PURPOSE OF REVIEW: To review the validation of the European League Against Rheumatism (EULAR)/American College of Rheumatology (ACR) 2019 classification criteria for systemic lupus erythematosus (SLE). RECENT FINDINGS: Positive antinuclear antibodies, which constitute the obligatory entry criterion of the EULAR/ACR criteria, were found in the vast majority of SLE patients worldwide, with 97% (94-100%) of patients antinuclear antibodies positive in studies investigating EULAR/ACR criteria performance. Combined over the publications, EULAR/ACR criteria sensitivity was 92% (range 85-97%). Specificity varied more relevantly, with the publications published after the EULAR/ACR 2019 criteria showing 93% (83-98%) specificity. Of particular relevance is the good performance of the EULAR/ACR criteria seen in pediatric SLE as well as in early SLE. SUMMARY: The new classification criteria have been investigated in an impressive number of cohorts worldwide, adding to the data from the EULAR/ACR criteria project cohort. It is critical to strictly keep to the attribution rule, that items are only counted if there is no more likely alternative explanation than SLE, the domain structure, where only the highest weighted item in a domain counts, and the limitation to highly specific tests for antibodies to double-stranded DNA.

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)0,007
score de la tête « metaresearch » (Gemma)0,027
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 enseignants0,008
Score d'incertitude au seuil0,039

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,027
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0040,002
Bibliométrie0,0080,005
Études des sciences et des technologies0,0010,002
Communication savante0,0030,005
Science ouverte0,0030,002
Intégrité de la recherche0,0030,005
Charge utile insuffisante (le modèle a refusé de juger)0,0060,002

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 Opus0,162
Tête enseignante GPT0,481
Écart entre enseignants0,319 · 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

Citations14
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCurrent Opinion in RheumatologyMême sujetSystemic Lupus Erythematosus ResearchTravaux en français237 207