From Prediction Tools to Precision Medicine in Antineutrophil Cytoplasmic Antibody–Associated Vasculitis
Notice bibliographique
Résumé
Antineutrophil cytoplasmic antibody (ANCA)-associated vasculitides (AAVs) are multiorgan autoimmune disorders resulting in irreversible organ damage. Left untreated, AAVs are fatal, and aggressive immunosuppressive treatment has transformed them into chronic relapsing conditions. Outcomes in ANCA-associated glomerulonephritis (ANCA-GN) remain unsatisfactory, and kidney failure is too common for this rare condition. The presentation of ANCA kidney disease is heterogenous, yet a one-size-fits-all approach is still used for its treatment due to a missing disease stratification. ANCA-GN confers significant morbidity and mortality. The severity of kidney disease has demonstrated its significance with the different stages of kidney function at presentation established as independent risk factors for mortality. Kidney failure, measured as an estimated glomerular filtration rate (eGFR) of less than 15 mL/min/1.73 m2 at the time of diagnosis, confers a significantly higher risk of mortality.1 Accurate and reliable prediction tools are needed both to inform patients and their families of prognosis and to be able to stratify patients for more efficient interventional trials in the future. Given the rarity of the condition, recruiting to these trials can be difficult and stratification by prognosis can reduce the required sample size.2 Aggressive immunosuppression is the first-line treatment; however, it may not suit all patients, particularly those who are frail. A reliable risk stratification will allow treatment to be personalized and yield better outcomes. This approach is already well established in oncology—where there are rigorous criteria for disease staging and patient fitness—and has seen vast improvements in survival over the past decades. In this … Address correspondence Dr. S.R. Brix, Renal, Transplantation and Urology Unit, Manchester University NHS Foundation Trust, Manchester Royal Infirmary, Oxford Road, Manchester, M13 9WL, UK. Email: silke.brix{at}manchester.ac.uk.
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 | 0,016 | 0,061 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,003 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».