Improving osteoarthritis detection in the community: Pharmacist identification of new, diagnostically confirmed osteoarthritis
Notice bibliographique
Résumé
OBJECTIVE: Osteoarthritis (OA) is the most common arthritis and a leading cause of disability. Many persons with knee OA are not diagnosed and not referred for treatment. Therefore, identification of patients with knee pain who have undiagnosed OA needs to be improved. Our objective was to determine if pharmacists, using a simple screening questionnaire, can identify individuals with previously undiagnosed knee OA. METHODS: Patients with knee pain and no previous diagnosis of knee OA were recruited by community pharmacists who used a simple questionnaire (<10 minutes to complete) to determine likelihood of knee OA. Patients who were likely to have knee OA were referred for a standardized knee examination and radiograph. RESULTS: Of the 411 patients screened by pharmacists, 274 were eligible. Of these, 44 declined, 35 were ineligible (18 had a previous OA diagnosis,16 had other inflammatory conditions, and 1 was excluded for other reasons), and 1 died. The remaining 194 were mostly female (62%) with a mean age of 62 years and were mostly white (86%). Body mass index (BMI) was classified as normal (18.5-24.9 kg/m(2)) in 29%, overweight (25.0-29.9 kg/m(2)) in 45%, and obese (>30.0 kg/m(2)) in 26%. Of those examined, 190 (98%) of 194 met the American College of Rheumatology clinical criteria for knee OA. The radiographic results revealed that most participants likely had mild OA. CONCLUSION: Pharmacists administering a simple screening questionnaire can identify >80% of patients with knee pain who have undiagnosed knee OA. Based on radiographs and BMI, much of this OA is early and may be amenable to intervention.
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 | 0,003 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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) | 0,002 | 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 ».