Pseudoaneurysm of the brachial artery in a patient who uses intravenous drugs
Notice bibliographique
Résumé
<h3>Background</h3> There was no nationwide epidemiological study of Lambert-Eaton myasthenic syndrome (LEMS) in Japan; therefore, we conducted a nationwide survey. <h3>Methods</h3> 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. <h3>Results</h3> 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). <h3>Conclusions</h3> 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 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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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) | 0,002 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».