A Bayesian Analysis of the True Sensitivity of a Temporal Artery Biopsy
Notice bibliographique
Résumé
PURPOSE: The temporal artery biopsy (TAB) has long been the standard for diagnosing temporal arteritis (TA), but in practice this test is less than 100% sensitive; false-negative biopsy results are known to occur. The true sensitivity of a single TAB cannot be directly observed, because there is no true gold standard for comparison. The authors propose a mathematical method for calculating the true sensitivity of the TAB, using data from published bilateral TAB RESULTS: METHODS: Based on Bayesian methodology, this statistical technique can be used to calculate the true sensitivity of a single TAB with data from studies reporting the results of bilateral simultaneous TABs. This technique also allows for calculation of the true prevalence of TA in a study population. Bootstrap techniques are used to provide confidence intervals. This technique is applied to data derived from four studies in the literature. results. With this methodology, the sensitivity of a single TAB is calculated to be 87.1% (95% confidence interval, 81.8%-91.7%). CONCLUSIONS: Knowledge of the true sensitivity of any imperfect test is necessary for an accurate decision analysis, because it can affect the optimal diagnostic-therapeutic pathway. Although few studies report results of bilateral simultaneous TABs, such data are important because they permit the calculation of the true TAB sensitivity. The authors believe that this mathematical method is superior to observational methods (e.g., clinical criteria) for estimating the true sensitivity of a TAB.
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 | 0,070 | 0,267 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,004 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».