A Stratification Approach Based on Salivary Gland Ultrasonography for Assessing Secretory Function in Sjögren Disease
Notice bibliographique
Résumé
Objective Our aim was to develop an ultrasonographic scoring model for staging hypofunction of salivary glands (SGs) in patients with Sjögren disease (SjD). Methods The assessment of SG secretory hypofunction was conducted by measuring whole salivary flows. B-mode ultrasonography was performed bilaterally on the parotid and submandibular glands to quantitatively evaluate the gland score and Outcome Measures in Rheumatology (OMERACT) score. The correlation between these scores and SG secretory function in patients with SjD was analyzed, leading to the development of an ultrasonographic scoring model for staging SG hypofunction. Results A 1-center derivation cohort comprising 164 patients with SjD and a double-center validation cohort consisting of 107 patients with SjD were included. Both ultrasonographic scores demonstrated excellent discriminatory ability between patients with SjD with hypofunction and those with normal function (area under the curve > 0.8 for both; P < 0.001). A novel ultrasonographic scoring model revealed that low total OMERACT scores (< 5) indicated initial-stage SG hypofunction, whereas high scores (> 9) suggested end-stage hypofunction. Conversely, patients with moderate-level total OMERACT scores (5-9) required further stratification using total gland scores. The incidence of SG hypofunction among all 271 patients with SjD was found to be 18% in the initial stage, 58% in the progressive stage, and 100% in the end stage ( P < 0.01). Further, the incidence of lacrimal gland involvement and hyperglobulinemia (IgG > 16 IU/mL) was significantly lower in the initial-stage patients compared to those at other stages (all P < 0.01). Conclusion The novel ultrasonographic scoring model incorporates precise definitions for each stage of SG hypofunction, providing a robust and clinically significant approach to stratification of SG secretory hypofunction in SjD.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».