Improving the sensitivity of the American College of Rheumatology classification criteria for systemic sclerosis.
Notice bibliographique
Résumé
OBJECTIVE: A large proportion of patients with limited systemic sclerosis (SSc) do not meet the current American College of Rheumatology (ACR) classification criteria for SSc. We undertook this study to determine whether the addition of easily available clinical variables, namely nailfold capillary abnormalities identified using a dermatoscope and visible telangiectasias, could improve the sensitivity of the current ACR classification criteria for patients with limited SSc. METHODS: Patients in the Canadian Scleroderma Research Group Registry with skin involvement distal to the metacarpophalangeal joints were identified and divided into two groups according to whether they fulfilled the current ACR classification criteria for SSc or not. Sensitivity of the criteria was calculated. Regression tree analysis was performed to determine whether the addition of nailfold capillary abnormalities identified using a dermatoscope and visible telangiectasias could improve the sensitivity of the criteria. RESULTS: One hundred and one (101) patients were included, in majority women with a mean age of 59 (+/- 13). Of these, 68 (67%) met the ACR classification criteria. The sensitivity of the criteria increased from 67% to 99% with the addition of nailfold capillary abnormalities identified using a dermatoscope and visible telangiectasias. CONCLUSIONS: The SSc research community would benefit from having better classification criteria to identify patients with limited SSc. The current classification criteria for SSc may be significantly improved by the inclusion of easily identified clinical variables including nailfold capillary abnormalities using a dermatoscope.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 |
| 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 ».