Classification of adults suffering from typical gastroesophageal reflux disease symptoms: contribution of latent class analysis in a European observational study
Notice bibliographique
Résumé
BACKGROUND: As illustrated by the Montreal classification, gastroesophageal reflux disease (GERD) is much more than heartburn and patients constitute a heterogeneous group. Understanding if links exist between patients' characteristics and GERD symptoms, and classify subjects based on symptom-profile could help to better understand, diagnose, and treat GERD. The aim of this study was to identify distinct classes of GERD patients according to symptom profiles, using a specific statistical tool: Latent class analysis. METHODS: An observational single-visit study was conducted in 5 European countries in 7700 adults with typical symptoms. A latent class analysis was performed to identify "latent classes" and was applied to 12 indicator symptoms. RESULTS: On 7434 subjects with non-missing indicators, latent class analysis yielded 5 latent classes. Class 1 grouped the highest severity of typical GERD symptoms during day and night, more digestive and non-digestive GERD symptoms, and bad sleep quality. Class 3 represented less frequent and less severe digestive and non-digestive GERD symptoms, and better sleep quality than in class 1. In class 2, only typical GERD symptoms at night occurred. Classes 4 and 5 represented daytime and nighttime regurgitation. In class 4, heartburn was also identified and more atypical digestive symptoms. Multinomial logistic regression showed that country, age, sex, smoking, alcohol use, low-fat diet, waist circumference, recent weight gain (>5 kg), elevated triglycerides, metabolic syndrome, and medical GERD treatment had a significant effect on latent classes. CONCLUSION: Latent class analysis classified GERD patients based on symptom profiles which related to patients' characteristics. Although further studies considering these proposed classes have to be conducted to determine the reproducibility of this classification, this new tool might contribute in better management and follow-up of patients with GERD.
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 | 0,019 | 0,034 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 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 | 0,000 |
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 ».