Reliability of Dermatologists in Acne Lesion Counts and Global Assessments
Notice bibliographique
Résumé
BACKGROUND: There is a paucity of data on the reliability of dermatologists in acne lesion counting and global severity assessments. The effects of training and practice on reliability are also uncertain. The objective of this study was to determine the reliability of these outcome measurements when performed by trained dermatologists. METHODS: Eleven dermatologists were divided into two groups that evaluated the same six acne subjects twice on the same day. A training session was provided either after (group A) or before (group B) the first patient evaluation sessions. Reliability of raters in lesion counting and global severity assessment was determined by calculation of intraclass correlation coefficients (ICCs). ICC values close to 1.0 indicate excellent reliability, whereas values less than 0.75 are considered unacceptable. RESULTS: Intrarater ICCs ranged from 0.37 to 0.99 for noninflammatory lesions, 0.26 to 0.97 for inflammatory lesions, and 0.56 to 0.83 for global assessments for group A (trained after); corresponding values for group B (trained before) were 0.84 to 0.98, 0.61 to 0.95, and 0.43 to 0.91. ICC values >or= 0.75 for all three outcome parameters were observed in one of six group A and three of five group B raters. Interrater ICCs for groups A and B after the first evaluation session were 0.17 versus 0.68 for noninflammatory counts, 0.84 versus 0.72 for inflammatory counts, and 0.71 versus 0.65 for global assessments, respectively. Corresponding values after session 2 were 0.79 and 0.77 for noninflammatory, 0.81 and 0.90 for inflammatory, and 0.61 and 0.77 for global assessments. CONCLUSION: Dermatologists tended to be reliable in acne lesion counting but somewhat less so in global assessments. Training tended to improve group reliability in noninflammatory lesion counts and increased the proportion of raters with good reliability in all three outcome measures. Practice enhanced reliability in all outcome measurements.
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 | 0,037 | 0,108 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».