MétaCan
Menu
Retour à la cohorte
Enregistrement W3167169072 · doi:10.1136/archdischild-2020-321211

Use of rituximab in paediatric nephrology

2021· review· en· W3167169072 sur OpenAlexaff
Rajiv Sinha, Nirav Agrawal, Yuanxin Xue, Rahul Chanchlani, Subal Pradhan, Rupesh Raina, Stephen D. Marks

Notice bibliographique

RevueArchives of Disease in Childhood · 2021
Typereview
Langueen
DomaineMedicine
ThématiqueRenal Diseases and Glomerulopathies
Établissements canadiensMcMaster University
Organismes subventionnairesUniversity College LondonGreat Ormond Street Hospital for ChildrenNational Institute for Health and Care ResearchNIHR Biomedical Research Centre, Royal Marsden NHS Foundation Trust/Institute of Cancer Research
Mots-clésMedicineRituximabNephrologyLupus nephritisInternal medicineRheumatologyVasculitisImmunologyLymphoproliferative disordersIntensive care medicineLymphomaDisease

Résumé

récupéré en direct d'OpenAlex

Rituximab is a chimeric monoclonal antibody capable of depleting B cell populations by targeting the CD20 antigen expressed on the cell surface. Its use in oncology, initially in B cell lymphoma and post-transplant lymphoproliferative disorders, predates its current utility in various fields of medicine wherein it has become one of the safest and most effective antibody-based therapies. It was subsequently found to be effective for rheumatological conditions such as rheumatoid arthritis and antineutrophil cytoplasmic antibody-associated vasculitis. Over the past decade, rituximab has generated a lot of interest in nephrology and has become an emerging or accepted therapy for multiple renal conditions, including systemic lupus erythematosus, lupus nephritis, vasculitis, nephrotic syndrome and in different scenarios before and after kidney transplantation. This review outlines its current use in paediatric nephrology practice, focusing on the knowledge required for general paediatricians who may be caring for children prescribed this medication and reviewing them on a shared care basis.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
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 enseignants0,003
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,027
Tête enseignante GPT0,301
Écart entre enseignants0,274 · 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

Citations37
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueArchives of Disease in ChildhoodMême sujetRenal Diseases and GlomerulopathiesTravaux en français237 207