Using the 7-point checklist as a diagnostic aid for pigmented skin lesions in general practice: a diagnostic validation study
Notice bibliographique
Résumé
BACKGROUND: GPs need to recognise significant pigmented skin lesions, given rising UK incidence rates for malignant melanoma. The 7-point checklist (7PCL) has been recommended by NICE (2005) for routine use in UK general practice to identify clinically significant lesions which require urgent referral. AIM: To validate the Original and Weighted versions of the 7PCL in the primary care setting. DESIGN AND SETTING: Diagnostic validation study, using data from a SIAscopic diagnostic aid randomised controlled trial in eastern England. METHOD: Adults presenting in general practice with a pigmented skin lesion that could not be immediately diagnosed as benign were recruited into the trial. Reference standard diagnoses were histology or dermatology expert opinion; 7PCL scores were calculated blinded to the reference diagnosis. A case was defined as a clinically significant lesion for primary care referral to secondary care (total 1436 lesions: 225 cases, 1211 controls); or melanoma (36). RESULTS: For diagnosing clinically significant lesions there was a difference between the performance of the Original and Weighted 7PCLs (respectively, area under curve: 0.66, 0.69, difference = 0.03, P<0.001). For the identification of melanoma, similar differences were found. Increasing the Weighted 7PCL's cut-off score from recommended 3 to 4 improved detection of clinically significant lesions in primary care: sensitivity 73.3%, specificity 57.1%, positive predictive value 24.1%, negative predictive value 92.0%, while maintaining high sensitivity of 91.7% and moderate specificity of 53.4% for melanoma. CONCLUSION: The Original and Weighted 7PCLs both performed well in a primary care setting to identify clinically significant lesions as well as melanoma. The Weighted 7PCL, with a revised cut-off score of 4 from 3, performs slightly better and could be applied in general practice to support the recognition of clinically significant lesions and therefore the early identification of melanoma.
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 | 0,045 | 0,103 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 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 ».