Pseudoaneurysm of the brachial artery in a patient who uses intravenous drugs
Notice bibliographique
Résumé
Background There was no nationwide epidemiological study of Lambert-Eaton myasthenic syndrome (LEMS) in Japan; therefore, we conducted a nationwide survey. Methods For the first survey, we sent survey sheets to randomly selected medical departments (n=7545) to obtain the number of LEMS who visited medical departments between 1 January 2017 and 31 December 2017. For the second survey, we sent survey sheets to the corresponding medical departments to obtain clinical information on LEMS. Results We received 2708 responses (recovery rate: 35.9%) to the first survey. We estimated the number of LEMS as 348 (95% CI 247 to 449). The prevalence was 2.7 (95% CI 1.9 to 3.5) in 1 000 000 population. As a result of the second survey, we obtained 30 case records of 16 men and 14 women. Fourteen patients (46.7%) had a tumour, and 10 out of 14 tumours were small-cell lung carcinoma (71.4%). There was a predominance of men in the LEMS with tumour (paraneoplastic LEMS, P-LEMS) (n=11, 78.6%) and women in the LEMS without tumour (a primary autoimmune form of LEMS, AI-LEMS) (n=11, 68.8%) (p=0.0136). The onset age (mean (SD)) for the P-LEMS was 67.1 (9.0), and that for AI-LEMS was 57.8 (11.2) years old (p=0.0103). The disease duration (median) for P-LEMS was 2 years, and for AI-LEMS was 7.5 years (p=0.0134). Conclusions The prevalence of LEMS in Japan is similar to that in other countries. There are predominances of men in P-LEMS and women in AI-LEMS.
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 | 0,000 | 0,002 |
| 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 | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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.
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 ».