MétaCan
Menu
Retour à la cohorte
Enregistrement W940251723 · doi:10.1097/bor.0000000000000208

Childhood-onset systemic lupus erythematosus

2015· review· en· W940251723 sur OpenAlexaff
R. Ezequiel Borgia, Earl D. Silverman

Notice bibliographique

RevueCurrent Opinion in Rheumatology · 2015
Typereview
Langueen
DomaineMedicine
ThématiqueSystemic Lupus Erythematosus Research
Établissements canadiensMuscular Dystrophy CanadaUniversity of TorontoHospital for Sick ChildrenSickKids Foundation
Organismes subventionnairesnon disponible
Mots-clésMedicineSystemic lupus erythematosusQuality of life (healthcare)Lupus nephritisDiseasePathophysiologyIntensive care medicinePhysical therapyInternal medicine

Résumé

récupéré en direct d'OpenAlex

PURPOSE OF REVIEW: This is an update of the main studies published in the last year regarding biomarkers, advances in pathophysiology, lupus nephritis as well as outcomes and therapies in childhood-onset systemic lupus erythematosus (cSLE). RECENT FINDINGS: Some progress in the pathophysiology of cSLE was made in the past year. Although biomarkers were studied in lupus nephritis and neuropsychiatric lupus, none of the proposed biomarkers was shown to be a significant improvement over current disease measures. More encouraging was the research into creating an easy, rapid screening tool for neurocognitive dysfunction in cSLE. Two studies in health-related quality of life (HRQL) recognized its importance in determining outcome and found that ethnicity and obesity might significantly alter HRQL in cSLE patients. There were no prospective clinical trials involving cSLE patients. SUMMARY: A better understanding of pathophysiology may elucidate novel molecules as therapeutic targets in cSLE. Advances in the field of biomarkers may enable a more accurate prediction of clinical outcome, optimizing early interventions and therefore improving disease prognostics.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,485
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0080,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0000,003

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.

Tête enseignante Opus0,114
Tête enseignante GPT0,416
Écart entre enseignants0,302 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeRevue systématique
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations24
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCurrent Opinion in RheumatologyMême sujetSystemic Lupus Erythematosus ResearchTravaux en français237 207