Progress Towards a Core Set of Outcome Measures in Small-vessel Vasculitis. Report from OMERACT 9
Notice bibliographique
Résumé
The past decade has seen a substantial increase in the number and quality of clinical trials of new therapies for vasculitis, including randomized, controlled, multicenter trials that have successfully incorporated measures of disease activity and toxicity. However, because current treatment regimens for severe disease effectively induce initial remission and reduce mortality, future trials will focus on any of several goals including: (a) treatment of mild-moderate disease; (b) prevention of chronic damage; (c) reduction in treatment toxicity; or (d) more subtle differences in remission induction or maintenance. Thus, new trials will require outcome measure instruments that are more precise and are better able to detect effective treatments for different disease states and measure chronic manifestations of disease. The OMERACT Vasculitis Working Group comprises international clinical investigators with expertise in vasculitis who, since 2002, have worked collaboratively to advance the refinement of outcome measures in vasculitis, create new measures to address domains of illness not covered by current research approaches, and harmonize outcome assessment in vasculitis. The focus of the OMERACT group to date has been on outcome measures in small-vessel vasculitis with an overall goal of creating a core set of outcome measures for vasculitis, each of which fulfills the OMERACT filter of truth, discrimination, feasibility, and identifying additional domains requiring further research. This process has been informed by several ongoing projects providing data on outcomes of disease activity, disease-related damage, multidimensional health-related quality of life, and patient-reported ratings of the burden of vasculitis.
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 | 0,001 | 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 | 0,001 |
| 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 ».