Síndrome autoimune induzida por adjuvantes desencadeada por implantes mamários de silicone: revisão sistemática
Bibliographic record
Abstract
Objetivo: Este artigo visa analisar a Síndrome de Autoimunidade Induzida por Adjuvantes (ASIA) relacionada a implantes mamários de silicone, incluindo sua prevalência, características demográficas e manifestações clínicas, bem como suas implicações pós-operatórias. Além disso, busca avaliar o impacto da ASIA no prognóstico e na recuperação dos pacientes, fornecendo uma compreensão dos sintomas, estratégias para o reconhecimento precoce e opções cirúrgicas. Métodos: Realizou-se uma revisão bibliográfica nas bases de dados PubMed, LILACS e SciELO utilizando os descritores "Autoimmune Syndrome Induced by Adjuvants" e "Silicone Breast Implants." Após a estratégia de pesquisa, X artigos foram identificados, dos quais Y foram selecionados conforme critérios de inclusão e exclusão. Discussão: Observou-se uma associação significativa entre os implantes mamários de silicone e o desenvolvimento da ASIA, principalmente em mulheres, apresentando sintomas como fadiga crônica e mialgia. Destaca-se a importância de uma abordagem multidisciplinar para diagnóstico e manejo eficazes da ASIA, com ênfase no reconhecimento precoce dos sintomas. Considerações Finais: Esta revisão destaca a importância clínica da associação entre implantes mamários de silicone e a ASIA, ressaltando a necessidade do reconhecimento precoce e do manejo adequado dessa condição. A compreensão dos mecanismos subjacentes à ASIA é essencial para orientar a prática clínica, exigindo uma abordagem multidisciplinar para avaliação e tratamento eficazes. Uma compreensão mais profunda das etiologias da síndrome e a identificação de sintomas específicos são cruciais para melhorar o diagnóstico e o tratamento da ASIA em pacientes com implantes mamários de silicone.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.005 | 0.011 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.002 | 0.002 |
| Bibliometrics | 0.008 | 0.006 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.005 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".