Comparison of the Utility and Validity of Three Scoring Tools to Measure Skin Involvement in Patients With Juvenile Dermatomyositis
Notice bibliographique
Résumé
OBJECTIVE: To compare the abbreviated Cutaneous Assessment Tool (CAT), Disease Activity Score (DAS), and Myositis Intention to Treat Activity Index (MITAX) and correlate them with the physician's 10-cm skin visual analog scale (VAS) in order to define which tool best assesses skin disease in patients with juvenile dermatomyositis. METHODS: A total of 71 patients recruited to the UK Juvenile Dermatomyositis Cohort and Biomarker Study were included and assessed for skin disease using the CAT, DAS, MITAX, and skin VAS. The Childhood Myositis Assessment Scale (CMAS), manual muscle testing of 8 groups (MMT8), muscle enzymes, inflammatory markers, and physician's global VAS were recorded. Relationships were evaluated using Spearman's correlations and predictors with linear regression. Interrater reliability was assessed using intraclass correlation coefficients. RESULTS: All 3 tools showed correlation with the physician's global VAS and skin VAS, with DAS skin showing the strongest correlation with skin VAS. DAS skin and CAT activity were inversely correlated with CMAS and MMT8, but these correlations were moderate. No correlations were found between the skin tools and inflammatory markers or muscle enzymes. DAS skin and CAT were the quickest to complete (mean ± SD 0.68 ± 0.1 minutes and 0.63 ± 0.1 minutes, respectively). CONCLUSION: The 3 skin tools were quick and easy to use. The DAS skin correlated best with the skin VAS. The addition of CAT in a bivariate model containing the physician's global VAS was a statistically significant estimator of skin VAS score. We propose that there is scope for a new skin tool to be devised and tested, which takes into account the strengths of the 3 existing tools.
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 | 0,001 | 0,000 |
| 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 ».