MétaCan
Menu
Retour à la cohorte
Enregistrement W4205432266 · doi:10.1093/jalm/jfab108

Myositis Antibodies and Interstitial Lung Disease

2021· review· en· W4205432266 sur OpenAlexaff
Manpreet Basuita, Lee Fidler

Notice bibliographique

RevueThe Journal of Applied Laboratory Medicine · 2021
Typereview
Langueen
DomaineMedicine
ThématiqueInflammatory Myopathies and Dermatomyositis
Établissements canadiensHealth Sciences CentreUniversity Health NetworkSunnybrook Health Science CentreUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésMyositisAntisynthetase syndromeInterstitial lung diseaseMedicineDermatomyositisConnective tissue diseaseDiseasePathologyInclusion body myositisAntibodyImmunologyLungInternal medicineAutoimmune disease

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Interstitial lung disease (ILD) comprises a heterogeneous group of inflammatory and fibrotic conditions, often resulting in progressive lung function decline and increased mortality. Connective tissue disease (CTD) should be considered in all patients with ILD, as distinguishing between CTD-ILD and other forms of fibrotic lung disease has important therapeutic and prognostic implications. The idiopathic inflammatory myopathies (IIM) represent a CTD subtype of growing interest to ILD experts. The expansion and availability of myositis-specific and myositis-associated antibody testing has allowed for improved disease detection and characterization. CONTENT: In this review, we highlight the relationship between myositis antibodies and ILD. Select forms of IIM, such as the antisynthetase syndrome and clinically amyopathic dermatomyositis can present with rapidly progressive ILD, warranting timely disease diagnosis and management. Disease phenotypes, prevalence, laboratory testing, prognosis, and management strategies are described according to select myositis antibodies. SUMMARY: Myositis antibodies provide valuable information for clinicians managing patients with ILD. This review aims to increase awareness of their role in disease detection, pathophysiology, and possibly therapeutics.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,765
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,017
Tête enseignante GPT0,313
Écart entre enseignants0,296 · 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 tête enseignante, pas un consensus.

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

Citations29
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Journal of Applied Laboratory MedicineMême sujetInflammatory Myopathies and DermatomyositisTravaux en français237 207