Defining Disease Activity in Systemic Sclerosis
Notice bibliographique
Résumé
Abstract Purpose of Review Systemic sclerosis (SSc) is a multisystem autoimmune disease characterised by the presence of fibrosis, microvasculopathy and inflammation. The complex pathogenesis and widespread organ involvement have made assessment and quantification of overall disease activity challenging. In this review, we present an update of the assessment of disease activity in SSc. Recent Findings There has been increasing interest in the use of composite outcome measures to assess the totality of SSc and measure multidimensional disease constructs such as activity and damage. Recently, the Scleroderma Clinical Trials Consortium (SCTC) published a new SSc Activity Index (SCTC-AI) to quantify disease activity across nine domains of disease. In this article, we discuss both the challenges of measuring disease activity in SSc and the rationale and clinical importance of accurate quantification of disease activity. Summary Heterogeneity in clinical presentation, variation in the tempo of disease and variable responsiveness to treatment at different disease stages has resulted in significant challenges in classification and assessment of SSc patients. However, two SSc-specific activity indices now exist to quantify states of high disease activity. Further work is required to establish whether composite outcome measures offer superior measures of treatment response in SSc clinical trials and what the role of the assessment of disease activity is in the recruitment and assessment of participants in trials of novel therapies.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,000 |
| 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 ».