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 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 | 0,042 | 0,099 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».