Assessment of enthesitis in patients with psoriatic arthritis using clinical examination and ultrasound
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Enthesitis is a major feature of psoriatic arthritis. However, clinical assessment of enthesitis is known to lack accuracy and have poor interobserver reliability. OBJECTIVE: To determine effect of training on clinical assessment of enthesitis and to compare ultrasonography with clinical examination for the detection of entheseal abnormalities. METHODS: 20 rheumatologists performed repeated assessment of enthesitis in patients with established psoriatic arthritis before and after a 2-hour training session in standardised enthesitis count according to Leeds Enthesitis Index (LEI) and Spondyloarthritis Research Consortium of Canada Enthesitis Index (SPARCC). Moreover, 20 patients underwent clinical and ultrasonographic examination of entheses to evaluate consensus-based elementary lesions of enthesitis. RESULTS: Training significantly increased Intra-class Correlation Coefficient for LEI from 0.18 to 0.82 and for SPARCC from 0.38 to 0.67. Ultrasound examination showed high associations between hypoechogenicity and increased thickness of the entheses and clinical examination. There was no correlation between erosions and enthesophytes found by ultrasound and clinical assessments. CONCLUSION: Training in standardised enthesitis scoring systems significantly improved clinical assessments of enthesitis and should be performed before use in daily clinical practice. Ultrasound revealed more advanced stages of enthesitis, such as enthesophytes and erosions, which were not detected with clinical examination.
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.
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 | 0,000 |
| 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 découle