Evaluation of 2 Screening Strategies for Early Identification of Patients with Axial Spondyloarthritis in Primary Care
Notice bibliographique
Résumé
OBJECTIVE: To evaluate 2 referral strategies for axial spondyloarthritis (SpA) in patients with chronic low back pain at the primary care level. METHODS: Referral physicians (n = 259) were randomly assigned to either Strategy 1 or Strategy 2 in order to refer patients with chronic back pain (duration > 3 months), age at onset of back pain < 45 years, and no diagnosis of axial SpA, to a cooperating rheumatologist (n = 43). According to Strategy 1, suitable patients were referred if at least 1 of the following screening criteria was present: inflammatory back pain, HLA-B27, or sacroiliitis detected by imaging. According to Strategy 2, patients were referred if 2 out of 5 criteria were positive: the same 3 criteria from Strategy 1 and additionally a positive family history of ankylosing spondylitis (AS) or a good treatment response to nonsteroidal antiinflammatory drugs. The final diagnosis of the rheumatologist was used as the "gold standard." RESULTS: In total, 560 consecutively referred patients were included in the analysis. Among 318 patients referred by Strategy 1, 41.8% (95% CI 36.5%-47.3%) were diagnosed with definite axial SpA. Among 242 patients referred by the second strategy, definite axial SpA was diagnosed in 36.8% (95% CI 31.0%-43.0%) of the cases. CONCLUSION: Both referral strategies demonstrated comparable performance in identification of patients with axial SpA. Strategy 1 might be preferred as an easy and reliable screening method for axial SpA at the primary care level.
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 ».