Perianal Fistulizing Crohn’s Disease: Utilizing the TOpClass Classification in Clinical Practice to Provide Targeted Individualized Care
Notice bibliographique
Résumé
BACKGROUND & AIMS: Perianal fistulation is a challenging phenotype of Crohn's disease, with significant impact on quality of life. Historically, fistulae have been classified anatomically in relation to the sphincter complex, and management guidelines have been generalized, with lack of attention to the clinical heterogenicity seen. The recent 'TOpClass classification system' for perianal fistulizing Crohn's disease (PFCD) addresses this issue, and classifies patients into defined groups, which provide a focus for fistula management that aligns with disease characteristics and patient goals. In this article, we discuss the clinical applicability of the TOpClass model and provide direction on its use in clinical practice. METHODS: An international group of perianal clinicians participated in an expert consensus to define how the TOpClass system can be incorporated into real-life practice. This included gastroenterologists, inflammatory bowel disease surgeons, and radiologists specialized in PFCD. The process was informed by the multi-disciplinary team management of 8 high-volume fistula centres in North America, Europe, and Australia. RESULTS: The process produced position statements to accompany the classification system and guide PFCD management. The statements range from the management of patients with quiescent perianal disease to those with severe PFCD requiring diverting-ostomy and/or proctectomy. The optimization of medical therapies, as well as the use of surgery, in fistula closure and symptom management is explored across each classification group. CONCLUSION: This article provides an overview of the system's use in clinical practice. It aims to enable clinicians to have a pragmatic and patient goal-centered approach to medical and surgical management options for individual patients with PFCD.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 ».