Systemaattinen katsaus PLMT-oireyhtymästä
Notice bibliographique
Résumé
Tutkimuksen tarkoituksena oli tehdä systemaattinen katsaus PLMT-oireyhtymästä. Katsaukseen kerättiin tietoa PLMT-oireyhtymän kliinisistä piirteistä, etiologiasta ja hoitomuodoista. Oireiston harvinaisuuden vuoksi informaatio perustuu tapausselostuksiin. \nTutkimusta varten haettiin Pubmed tietokannasta PLMT-oireyhtymään liittyviä tapausselostuksia tai tapaussarjoja, jotka täyttävät hakukriteerit. Lopullinen julkaisuiden määrä oli 96. Tapausten kokonaismäärä oli 187, jonka lisäksi tutkimuksessa käsitellään erillisenä 76 potilaan tapaussarja. \n \nPainful legs and moving toes (PLMT) on harvinainen liikehäiriö. Oireyhtymä on dokumentoitu ensimmäisen kerran vuonna 1976. Se ilmenee kipuna yhdessä tai useammassa raajassa ja siihen liittyy toistuvia, tahdosta riippumattomia varpaiden tai sormien liikkeitä. Oireyhtymästä on raportoitu myös harvinaisempi, kivuton muoto Painless legs and moving toes (PoLMT). Kivun vaikeusaste vaihtelee potilaiden välillä. Potilaan kokevat kivun yleensä häiritsevämpänä oireena kuin liikehäiriön. Oireyhtymän patogeneesi on tuntematon, eikä siihen ole löydetty täsmällistä hoitoa. PLMT:n erotusdiagnostisia vaihtoehtoja ovat esimerkiksi perifeerinen neuropatia, verenkiertohäiriöt, levottomat jalat -oireyhtymä tai Parkinsonin tauti. \n \nTutkimuksen perusteella suurimmalla osalla potilaista kipu liittyy oireyhtymään. Oireet painottuvat useammin alaraajoihin. Oireyhtymä on yleisempi naisilla kuin miehillä. Oireet alkavat useimmiten yli 50 vuoden iässä. Yleisimmät tunnistetut syyt oireyhtymän taustalla ovat perifeeriseen hermostoon vaikuttavia sairauksia, kuten perifeerinen neuropatia, radikulopatia tai perifeerisen hermon vaurio. Lähes puolella potilaista oireyhtymän taustalla oleva syy jää kuitenkin tuntemattomaksi. Lääkkeellisistä hoitomuodoista botuliinitoksiini-injektioilla on saatu paras hoitovaste. Tämän lisäksi yleisimmät lääkeaineet oireyhtymän hoidossa ovat olleet gapapentinoidit, klonatsepaami, amitriptyliini ja baklofeeni.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,006 | 0,004 |
| Science ouverte | 0,001 | 0,006 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,101 | 0,053 |
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 ».