The Systemic Lupus International Collaborating Clinics/American College of Rheumatology (SLICC/ACR) Damage Index for Systemic Lupus Erythematosus International Comparison.
Notice bibliographique
Résumé
OBJECTIVE: To compare patients with systemic lupus erythematosus (SLE) from different centers with respect to demographics and Systemic Lupus International Collaborating Clinics/American College of Rheumatology Damage Index (SLICC/ACR DI) scores, and to assess whether the SLICC/ACR DI changed over time, and whether initial DI scores were related to outcome. METHODS: Members of SLICC completed DI scores and patient demographics on patients followed in their centers. Information was provided at 2, 5-10, and > 10 years of followup. Data were entered on computer and analyzed on SPSS/PC+ and SAS using descriptive statistics and analysis of variance. RESULTS: Information for 1297 patients within 2 years of first clinic visit was submitted from 8 centers. There were 1187 women and 110 men with a mean age at diagnosis of SLE of 32 years. Seven hundred sixty-two were Caucasian, 423 were black, and the remainder were of other races. There were more blacks in the American centers than in Canadian or European centers. Five centers provided information for the 3 time periods. The DI increased over time. Ninety-nine patients had died. Higher SLICC/ACR DI scores were documented in patients who went on to die. CONCLUSION: The SLICC/ACR DI is a valid measure for damage in SLE.
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 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,002 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 ».