MétaCan
Menu
← Retour à la cohorte
Enregistrement W4387232390 · doi:10.3899/jrheum.2023-0744

The Lingering Health Challenge: Addressing Obesity in Axial Spondyloarthritis

2023· editorial· en· W4387232390 sur OpenAlexvenueno aff
Brona Dinneen, Finbar O’Shea

Notice bibliographique

RevueThe Journal of Rheumatology · 2023
Typeeditorial
Langueen
DomaineMedicine
ThématiqueSpondyloarthritis Studies and Treatments
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSacroiliitisMedicineAnkylosing spondylitisAxial spondyloarthritisSpondylarthritisAxial skeletonSacroiliac jointSpondylitisRadiographyPhysical therapyInternal medicineSurgeryAnatomy

Résumé

récupéré en direct d'OpenAlex

Axial spondyloarthritis (axSpA) is a chronic inflammatory disorder that primarily affects the axial skeleton, including the spine and sacroiliac joints.1 It encompasses both nonradiographic axSpA (nr-axSpA) and radiographic axSpA (also known as ankylosing spondylitis [AS]), the latter characterized by radiographic evidence of sacroiliitis.2 AxSpA significantly affects the quality of life and physical functioning of affected individuals. Although the pathogenesis of axSpA is not fully understood, a combination of genetic, immunologic, and environmental factors contributes to its development. In recent years, obesity has emerged as an important factor influencing axSpA disease course and outcomes. The global prevalence of obesity is staggering, with over 1 billion individuals affected, including 650 million adults, 340 million adolescents, and 39 million children.3 Further, this number continues to rise, and it is estimated by the World Health Organization that by 2025, approximately 167 million people, encompassing both adults and children, will experience compromised health due to overweight or obesity.3 Excessive weight gain and obesity are characterized by an abnormal accumulation of fat that can have detrimental effects on health.4 To classify overweight and obesity in adults, body mass index (BMI) is commonly used as a simple index of weight in relation to height. BMI is calculated by dividing a person’s weight in kilograms by the square of their height in meters (kg/m2). BMI was created as a practical and quantifiable estimate of body fat percentage. The National Institutes of Health has divided BMI into 3 categories for classification purposes: a BMI below 25 kg/m2 signifies a normal-weight status, a BMI between 25 and 30 kg/m … Address correspondence to Dr. B. Dinneen, Rheumatology Department, St James’s Hospital Dublin 8, Ireland. Email: bronadinneen{at}gmail.com, bdinneen{at}stjames.ie.

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)0,005
score de la tête « metaresearch » (Gemma)0,019
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: Éditorial · Signal consensuel: aucune
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,031

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,019
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0030,005
Science ouverte0,0010,003
Intégrité de la recherche0,0050,009
Charge utile insuffisante (le modèle a refusé de juger)0,0090,002

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 Opus0,028
Tête enseignante GPT0,324
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 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
GenreÉditorial

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

En bref

Citations2
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Journal of Rheumatology→Même sujetSpondyloarthritis Studies and Treatments→Travaux en français237 207→