Updates in SJS/TEN: collaboration, innovation, and community
Notice bibliographique
Résumé
Stevens-Johnson Syndrome/Toxic Epidermal Necrolysis (SJS/TEN) is a predominantly drug-induced disease, with a mortality rate of 15-20%, that engages the expertise of multiple disciplines: dermatology, allergy, immunology, clinical pharmacology, burn surgery, ophthalmology, urogynecology, and psychiatry. SJS/TEN has an incidence of 1-5/million persons per year in the United States, with even higher rates globally. One of the challenges of SJS/TEN has been developing the research infrastructure and coordination to answer questions capable of transforming clinical care and leading to improved patient outcomes. SJS/TEN 2021, the third research meeting of its kind, was held as a virtual meeting on August 28-29, 2021. The meeting brought together 428 international scientists, in addition to a community of 140 SJS/TEN survivors and family members. The goal of the meeting was to brainstorm strategies to support the continued growth of an international SJS/TEN research network, bridging science and the community. The community workshop section of the meeting focused on eight primary themes: mental health, eye care, SJS/TEN in children, non-drug induced SJS/TEN, long-term health complications, new advances in mechanisms and basic science, managing long-term scarring, considerations for skin of color, and COVID-19 vaccines. The meeting featured several important updates and identified areas of unmet research and clinical need that will be highlighted in this white paper.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,000 |
| Bibliométrie | 0,003 | 0,007 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».