Notice bibliographique
Résumé
Autoinflammatory disease (AID) is a vast spectrum of disorders characterized by recurrent attacks of sterile inflammation. Since the first cloning of the familial Mediterranean fever gene in 1997, there has been a rapid rate of discovery of new AIDs. As of 2022, there have been 485 inborn errors of immunity documented by the International Union of Immunological Societies, for which many display aspects of autoinflammation. The pathophysiology of AIDs is complex. Although many are caused by rare mutations in genes that govern innate immunity, others are polygenic, where disease expression is thought to be triggered by environmental factors in genetically predisposed hosts. AIDs range in prevalence from common entities like gout to ultrarare monogenic diseases. Whereas AIDs were initially studied in pediatric populations, it is now apparent that they can present in adulthood and even in the elderly. AIDs can be clinically challenging given their rarity, as well as the heterogeneity in presentation and underlying etiology. Although the care of AIDs can span medical disciplines, the rheumatologist often plays a central role given the inflammatory nature of these illnesses. In this review, we explore the current understanding of the pathophysiology of these complex conditions and propose a classification system for AIDs. We place an emphasis on AIDs that present to the adult rheumatologist and discuss important AIDs that can mimic more classic rheumatic diseases such as systemic lupus erythematosus and inflammatory arthritis. Finally, we offer an approach to the clinical assessment, diagnosis, and management of AIDs.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».