Validity of the COPCORD Core Questionnaire as a Classification Tool for Rheumatic Diseases
Notice bibliographique
Résumé
OBJECTIVE: Rheumatic diseases are vastly underdiagnosed and undertreated, particularly among minorities and those of low socioeconomic status. The WHO-ILAR Community Oriented Program in the Rheumatic Diseases (COPCORD) advocates screening of musculoskeletal complaints in the community. The objective of this study was to evaluate the performance of the COPCORD Core Questionnaire (CCQ) as a diagnostic tool for rheumatic diseases. METHODS: We conducted a cross-sectional study designed in parallel with a large COPCORD survey in Mexico. A subsample of 17,566 questionnaires, selected from 4 of the 5 states included in a national COPCORD survey were included in the analysis as a diagnostic test to evaluate sensitivity, specificity, receiver operating characteristics curve (ROC), and positive likelihood ratio (LR+) of the CCQ as a case-detection tool for rheumatic diagnosis and for the most frequent diagnoses identified in the survey, osteoarthritis, regional rheumatic pain syndromes, and rheumatoid arthritis (RA). Logistic regression with the questions with LR+ ≥ 1 was performed to identify the strength of association (OR) for each question. RESULTS: Pain in the last 7 days, high pain score (> 4), and previous diagnosis were the questions with highest LR+ for diagnosis, and for diagnosis of RA treatment with NSAID. The variables that contributed most to the model were pain in the last 7 days (OR 2.0, 95% CI 1.8-2.3), NSAID treatment (OR 3.3, 95% CI 3.0-3.7), a high pain score (OR 1.15, 95% CI 1.13-1.17), and having a previous diagnosis (OR 1.4, 95% CI 1.3-1.6). These 4 questions had R(2) = 0.24, p < 0.01, for detection of any rheumatic diagnosis. The single variable that explains 16% (OR 1.33, 95% CI 1.31-134) of variance was a high pain score in the last 7 days. CONCLUSION: Some variables were identified in the CCQ that could be combined in a brief version for case detection of rheumatic diseases in community surveys. The validity of this proposal has to be tested against the original version.
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 | 0,015 | 0,046 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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) | 0,001 | 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 ».