Development and First Validation of a Disease Activity Score for Gout
Notice bibliographique
Résumé
OBJECTIVE: To develop a new composite disease activity score for gout and provide its first validation. METHODS: Disease activity has been defined as the ongoing presence of urate deposits that lead to acute arthritis and joint damage. Every measure for each Outcome Measures in Rheumatology core domain was considered. A 3-step approach (factor analysis, linear discriminant analysis, and linear regression) was applied to derive the Gout Activity Score (GAS). Decision to change treatment or 6-month flare count were used as the surrogate criteria of high disease activity. Baseline and 12-month followup data of 446 patients included in the Kick-Off of the Italian Network for Gout cohort were used. Construct- and criterion-related validity were tested. External validation on an independent sample is reported. RESULTS: Factor analysis identified 5 factors: patient-reported outcomes, joint examination, flares, tophi, and serum uric acid (sUA). Discriminant function analysis resulted in a correct classification of 79%. Linear regression analysis identified a first candidate GAS including 12-month flare count, sUA, visual analog scale (VAS) of pain, VAS global activity assessment, swollen and tender joint counts, and a cumulative measure of tophi. Alternative scores were also developed. The developed GAS demonstrated a good correlation with functional disability (criterion validity) and discrimination between patient- and physician-reported measures of active disease (construct validity). The results were reproduced in the external sample. CONCLUSION: This study developed and validated a composite measure of disease activity in gout. Further testing is required to confirm its generalizability, responsiveness, and usefulness in assisting with clinical decisions.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».