MétaCan
Menu
Retour à la cohorte
Enregistrement W2141877709 · doi:10.3899/jrheum.141164

Imaging as an Outcome Measure in Gout Studies: Report from the OMERACT Gout Working Group

2015· review· en· W2141877709 sur OpenAlexvenueno aff
Rebecca Grainger, Nicola Dalbeth, Helen Keen, Laura Durcan, N. Lawrence Edwards, Fernando Pérez-Ruiz, Cèsar Díaz‐Torné, Jasvinder A. Singh, Dinesh Khanna, Lee S. Simon, William J. Taylor

Notice bibliographique

RevueThe Journal of Rheumatology · 2015
Typereview
Langueen
DomaineMedicine
ThématiqueGout, Hyperuricemia, Uric Acid
Établissements canadiensnon disponible
Organismes subventionnairesNational Cancer InstituteNational Institute on AgingNational Institute of Arthritis and Musculoskeletal and Skin DiseasesAgency for Healthcare Research and QualityPatient-Centered Outcomes Research Institute
Mots-clésMedicineGoutTophusMagnetic resonance imagingRheumatologyModalitiesRadiologyPhysical therapyMedical physicsNuclear medicineInternal medicineUric acidHyperuricemia

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: The gout working group at the Outcome Measures in Rheumatology (OMERACT) 12 meeting in 2014 aimed to determine which imaging modalities show the most promise for use as measurement instruments for outcomes in studies of people with chronic gout and to identify the key foci for future research about the performance of these imaging techniques with respect to the OMERACT filter 2.0. METHODS: During the gout session, a systematic literature review of the data addressing imaging modalities including plain radiography (XR), conventional computed tomography (CT), dual-energy computed tomography (DECT), magnetic resonance imaging (MRI), and ultrasound (US) and the fulfillment of the OMERACT filter 2.0 was presented. RESULTS: The working group identified 3 relevant domains for imaging in gout studies: urate deposition (tophus burden), joint inflammation, and structural joint damage. CONCLUSION: The working group prioritized gaps in the data and identified a research agenda.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,010
score de la tête « metaresearch » (Gemma)0,005
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Intégrité de la recherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,707
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0100,005
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0060,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,004
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,143
Tête enseignante GPT0,417
Écart entre enseignants0,274 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations49
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Journal of RheumatologyMême sujetGout, Hyperuricemia, Uric AcidTravaux en français237 207