Systematic Analysis of the Literature in Search of Defining Systemic Sclerosis Subsets
Notice bibliographique
Résumé
OBJECTIVE: Systemic sclerosis (SSc) is a multisystem disease with heterogeneity in presentation and prognosis.An international collaboration to develop new SSc subset criteria is underway. Our objectives were to identify systems of SSc subset classification and synthesize novel concepts to inform development of new criteria. METHODS: Medline, Cochrane MEDLINE, the Cumulative Index to Nursing and Allied Health Literature, EMBASE, and Web of Science were searched from their inceptions to December 2019 for studies related to SSc subclassification, limited to humans and without language or sample size restrictions. RESULTS: Of 5686 citations, 102 studies reported original data on SSc subsets. Subset classification systems relied on extent of skin involvement and/or SSc-specific autoantibodies (n = 61), nailfold capillary patterns (n = 29), and molecular, genomic, and cellular patterns (n = 12). While some systems of subset classification confer prognostic value for clinical phenotype, severity, and mortality, only subsetting by gene expression signatures in tissue samples has been associated with response to therapy. CONCLUSION: Subsetting on extent of skin involvement remains important. Novel disease attributes including SSc-specific autoantibodies, nailfold capillary patterns, and tissue gene expression signatures have been proposed as innovative means of SSc subsetting.
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 | 0,012 | 0,059 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,010 | 0,005 |
| Bibliométrie | 0,052 | 0,048 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 ».