Reliability and Sensitivity of the Self-report of Physician-diagnosed Gout in the Campaign Against Cancer and Heart Disease and the Atherosclerosis Risk in the Community Cohorts
Notice bibliographique
Résumé
OBJECTIVE: gout is often defined by self-report in epidemiologic studies. Yet the validity of self-reported gout is uncertain. We evaluated the reliability and sensitivity of the self-report of physician-diagnosed gout in the Campaign Against Cancer and Heart Disease (CLUE II) and the Atherosclerosis Risk in the Community (ARIC) cohorts. METHODS: the CLUE II cohort comprises 12,912 individuals who self-reported gout status on either the 2000, 2003, or 2007 questionnaires. We calculated reliability as the percentage of participants reporting having gout on more than 1 questionnaire using Cohen's κ statistic. The ARIC cohort comprises 11,506 individuals who self-reported gout status at visit 4. We considered a hospital discharge diagnosis of gout or use of a gout-specific medication as the standard against which to calculate the sensitivity of self-reported, physician-diagnosed gout. RESULTS: of the 437 CLUE II participants who self-reported physician-diagnosed gout in 2000, and subsequently answered the 2003 questionnaire, 75% reported gout in 2003 (κ = 0.73). Of the 271 participants who reported gout in 2000, 73% again reported gout at the 2007 followup questionnaire (κ = 0.63). In ARIC, 196 participants met the definition for gout prior to visit 4 and self-reported their gout status at visit 4. The sensitivity of a self-report of physician-diagnosed gout was 84%. Accuracy was similar across sex and race subgroups, but differed across hyperuricemia and education strata. CONCLUSION: these 2 population-based US cohorts suggest that self-report of physician-diagnosed gout has good reliability and sensitivity. Thus, self-report of a physician diagnosis of gout is appropriate for epidemiologic studies.
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 | 0,012 | 0,002 |
| 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 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».