Learning from discordance in patient and physician global assessments of systemic lupus erythematosus disease activity.
Notice bibliographique
Résumé
OBJECTIVE: Differences have been described between patient and physician assessments of well being in several chronic illnesses, and these differences may affect outcome. Disagreement may lead to dissatisfaction and to behaviors with dangerous consequences. We describe and identify predictors of patient-physician differences on ratings of disease activity in systemic lupus erythematosus (SLE). METHODS: Data collected on 154 patients included age, education, disease duration, and patient and physician global assessments of lupus activity on a 10 cm visual analog scale (VAS), the Health Assessment Questionnaire (HAQ), the Medical Outcome Study Short-Form 36 (SF-36), the Systemic Lupus Disease Activity Index (SLEDAI), the Systemic Lupus Activity Measure (SLAM-R), and the Systemic Lupus International Collaborating Clinics/American College of Rheumatology Damage Index (SDI). Multiple linear regression models were performed using patient VAS scores, physician VAS scores, and patient minus physician VAS scores as the dependent variables, and age, disease duration, selected SF-36 and SLAM-R subscales, and SDI as independent variables. RESULTS: Patients were 90% female and 80% Caucasian, with a mean education of 13 +/- 2.8 years and a mean age of 43.1 +/- 13.6 years. The overall mean disease duration was 10.5 +/- 7.8 years. Physicians overscored patients by 2.5 cm in 6% of the cases and patients overscored physicians in 16% of the cases. The best multivariate model to predict overall differences included SF-36 mental health and SLAM-R kidney scores. CONCLUSION: Patient-physician differences may result from a divergence in focus. Patients score lupus activity based on their psychological status, while physicians rely more heavily on the physical effect of the disease.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».