P-026 Effect of Standardized Scoring Conventions on Inter-Rater Reliability in the Endoscopic Evaluation of Crohnʼs Disease
Notice bibliographique
Résumé
The Crohn's Disease Endoscopic Index of Severity (CDEIS)1 and the Simple Endoscopic Score for Crohn's Disease (SES-CD)2 are commonly used in clinical trials to evaluate endoscopic disease activity. Scoring of these instruments by expert central readers (ECRs) has become standard practice in trials of new therapies in an attempt to increase trial efficiency by reducing bias and measurement variability.3 Both endoscopic indices (EIs) have demonstrated substantial inter- and intra-rater reliability when scored by ECRs, however some index items have low reliability. Previously identified sources of low reliability include differentiating superficial from deep ulceration, estimation of disease extent, scoring of aphthoid and anastomotic ulcers, defining ulcer location within segments, evaluating anal lesions, scoring ulcers beyond stenotic segments and consistently classifying the location of stenoses.4 We evaluated the application of scoring conventions to improve the reliability of these items. Five gastroenterologists at an academic hospital with no prior experience scoring the CDEIS or SES-CD were trained on the use of these indices. Sixty-five video recordings of colonoscopies were scored blindly by each gastroenterologist prior to and after additional training on index scoring conventions. Changes in intra-class correlation coefficients (ICCs) were used to quantify the effect of application of these conventions on the reliability of the CDEIS, SES-CD and a Global Evaluation of Lesion Severity (GELS) score. Following the application of scoring conventions, inter-rater ICCs (95% confidence interval [CI]) for scoring of the total SES-CD score increased from 0.78 (0.71–0.85) to 0.85 (0.79–0.89). Inter-rater ICCs for the total CDEIS and GELS scores were not affected: the corresponding inter-rater ICCs were 0.74 (0.65–0.81) and 0.49, (0.38–0.61) prior to, and 0.73 (0.65–0.81) and 0.53 (0.42–0.64) following application of scoring conventions. Estimation of ulcer depth, surface area, anatomic location and stenosis were again identified as important sources of variability. Use of scoring conventions developed by ECRs enhanced the reliability of the SES-CD but did not similarly affect the CDEIS or GELS. Our data demonstrate that the SES-CD is more reliable than the CDEIS and can be improved with targeted training. It is therefore the preferred instrument for use in clinical trials.
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 | 0,233 | 0,432 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».