Stratification of SNOT-22 scores into mild, moderate or severe and relationship with other subjective instruments
Notice bibliographique
Résumé
AIMS AND OBJECTIVES: The European Position Paper on Rhinosinusitis and Nasal Polyps provides treatment algorithms based on the mild/moderate/severe (MMS) classification. To date there has been no statistically validated stratification of the SNOT-22 score according to this classification. METHODS: 65 consecutive patients diagnosed with CRS completed a SNOT-22, VAS and rated their symptoms according to MMS and impact on quality of life. RESULTS: The median SNOT 22 scores varied between the 3 MMS categories. The interquartile ranges for the respective MMS groups were: Mild 8-17, Moderate 22.5-48, Severe 54-83. Median values for the respective MMs groups were: Mild 12, Moderate 36 and Severe 66. 15.38% of patients in the Mild category, 95.24% in the Moderate category and 100% in the Severe category feel their QoL is affected. There was a strongly positive correlation between the SNOT-22 and VAS scores. CONCLUSION: We propose a statistically validated definition for stratification of the SNOT-22, with Mild being defined on the SNOT-22 score as 8-20 inclusive, Moderate as >20-50 and Severe as >50.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».