MétaCan
Menu
Retour à la cohorte
Enregistrement W4380993043 · doi:10.1016/j.xkme.2023.100688

Novel Therapeutics for Management of Lupus Nephritis: What Is Next?

2023· article· en· W4380993043 sur OpenAlexaff
Sayali Thakare, Paolo Nikolai So, Sonia Rodriguez, Mohamed Hassanein, Edgar V. Lerma, Nasim Wiegley

Notice bibliographique

RevueKidney Medicine · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueSystemic Lupus Erythematosus Research
Établissements canadiensUniversity Health Network
Organismes subventionnairesnon disponible
Mots-clésLupus nephritisMedicineSystemic lupus erythematosusIntensive care medicineNephrologyNephritisClinical trialImmunologyInternal medicineDisease

Résumé

récupéré en direct d'OpenAlex

Lupus nephritis is a severe, organ-threatening manifestation of systemic lupus erythematosus. The current standard of care in the treatment of lupus nephritis is limited to broad-spectrum immunosuppressants, which have significant concerns of short- and long-term toxicity. With traditional approaches, kidney survival and patient outcomes have remained suboptimal. Robust research in the therapeutics of lupus nephritis has resulted in development of many novel drugs targeting specific inflammatory response pathways. Some newer agents have shown a definitive signal of benefit when added to standard of care. With the advent of precision medicine in nephrology, lupus nephritis treatment may undergo a shift toward incorporating approaches using these newer drugs and individualizing care of our patients. This review highlights major advances in management of lupus nephritis over the last 25 years and explores the ongoing trials of emerging therapies in lupus nephritis.

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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,437
Score d'incertitude au seuil0,669

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,091
Tête enseignante GPT0,368
Écart entre enseignants0,277 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations10
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueKidney MedicineMême sujetSystemic Lupus Erythematosus ResearchTravaux en français237 207