Validation of a Self-administered Inflammatory Arthritis Detection Tool for Rheumatology Triage
Notice bibliographique
Résumé
OBJECTIVE: The benefits of early intensive treatment of inflammatory arthritis (IA) are dependent on timely and accurate case identification. In our study, a scoring algorithm for a self-administered IA detection tool was developed and validated for the rheumatology triage clinical setting. METHODS: A total of 143 consecutive consenting adults, newly referred to 2 outpatient rheumatology practices, completed the tool. A scoring algorithm was derived from the best-fit logistic regression model using age, sex, and responses to the 12 tool items as candidate predictors of the rheumatologists' blinded classification of IA. Bootstrapping was used to internally validate and refine the model. RESULTS: The 30 IA cases were younger than the 113 non-cases (p < 0.0001) and included clinical diagnoses of early IA (n = 10), rheumatoid arthritis (n = 9), and spondyloarthropathies (n = 11). Non-cases included osteoarthritis (n = 46), pain syndromes (n = 19), systemic lupus erythematosus (n = 5), and miscellaneous, noninflammatory musculoskeletal complaints (n = 43). The best-fit model included younger age, male sex, "trouble making a fist," "morning stiffness," "ever told you have RA," and "psoriasis diagnosis." The overall predictive performance (standard error, SE) of the derivation model was 0.91 (0.03). Internal validation of the derivation model across 200 bootstrap samples resulted in a mean predictive performance (SE) of 0.904 (0.002). The refined tool had a mean predictive performance (SE) of 0.915 (0.002), a sensitivity of 0.855 (0.005), and specificity of 0.873 (0.003). CONCLUSION: A simple, self-administered tool was developed and internally validated for the sensitive and specific detection of IA in a rheumatology waiting list sample. The tool may be used to triage IA from rheumatology referrals.
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 | 0,028 | 0,095 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».