Clinimetric properties of the Chinese version of the early inflammatory arthritis detection tool
Notice bibliographique
Résumé
BACKGROUND: Timely rheumatologic referral and management are crucial for patients with potential inflammatory arthritis. To meet this need, tools such as the early inflammatory arthritis (EIA) detection tool was developed and has been evaluated in Western populations. The aims of this study were to translate the English version of the EIA detection tool to Chinese and to determine its clinimetric properties in Taiwanese patients. METHODS: Twenty controls and 111 patients with established diagnosis of osteoarthritis, rheumatoid arthritis, systemic autoimmune diseases, psoriatic arthritis, and ankylosing spondylitis were recruited from a regional hospital in south Taiwan. Multivariate logistic regression analysis was used to evaluate the independent and significant variables associated with diagnosis by rheumatologists. A prediction model was also developed for differentiating between patients with inflammatory arthritis and those with non-inflammatory arthritis musculoskeletal conditions. RESULTS: The Chinese version of the EIA detection tool showed acceptable internal consistency (KR-20 coefficient 0.78) and test-retest reliability (κ statistic ranged from 0.43 to 0.94). A prediction model consisting of three EIA detection tool items (joint pain, swelling in hands or wrists, and ever been told to have rheumatoid arthritis) and sex was able to differentiate inflammatory arthritis and non-inflammatory arthritis musculoskeletal conditions with a sensitivity of 0.84, a specificity of 0.86, a positive predictive value of 0.92, and a negative predictive value of 0.76. CONCLUSIONS: The Chinese version of the EIA detection tool showed good clinimetric properties in this study population and it can be used to differentiate Taiwanese patients with inflammatory arthritis and non-inflammatory arthritis musculoskeletal conditions.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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 ».