MétaCan
Menu
Retour à la cohorte
Enregistrement W2596676385 · doi:10.1093/rheumatology/kex015

Predictive value of European Scleroderma Group Activity Index in an early scleroderma cohort

2017· article· en· W2596676385 sur OpenAlexaffabout
Tatiana Nevskaya, Murray Baron, Janet Pope

Notice bibliographique

RevueLara D. Veeken · 2017
Typearticle
Langueen
DomaineMedicine
ThématiqueSystemic Sclerosis and Related Diseases
Établissements canadiensJewish General HospitalMcGill UniversitySt Joseph's Health Care
Organismes subventionnairesnon disponible
Mots-clésMedicineScleroderma (fungus)CohortInternal medicineSeverity of illnessDiseaseVital capacityMultivariate analysisSystemic sclerodermaCohort studyDiffusing capacityPhysical therapyLungPathology

Résumé

récupéré en direct d'OpenAlex

Objective: To estimate the effect of disease activity, as measured by the European Scleroderma Research Group Activity Index (EScSG-AI), on the risk of subsequent organ damage in a large systemic sclerosis (SSc) cohort. Methods: Of 421 SSc patients from the Canadian Scleroderma Research Group database with disease duration of ⩽ 3 years, 197 who had no evidence of end-stage organ damage initially and available 3 year follow-up were included. Disease activity was assessed by the EScSG-AI with two variability measures: the adjusted mean EScSG-AI (the area under the curve of the EScSG-AI over the observation period) and persistently active disease/flare. Outcomes were based on the Medsger severity scale and included accrual of a new severity score (Δ ⩾ 1) overall and within organ systems or reaching a significant level of deterioration in health status. Results: After adjustment for covariates, the adjusted mean EScSG-AI was the most consistent predictor of risk across the study outcomes over 3 years in dcSSc: disease progression defined as Δ ⩾ 1 in any major internal organ, significant decline in forced vital capacity and diffusing capacity of carbon monoxide, severity of visceral disease and HAQ Disability Index worsening. In multivariate analysis, progression of lung disease was predicted solely by adjusted mean EScSG-AI, while the severity of lung disease was predicted the adjusted mean EScSG-AI, older age, modified Rodnan skin score (mRSS) and initial severity. The EScSG-AI was associated with patient- and physician-assessed measures of health status and overpowered the mRSS in predicting disease outcomes. Conclusion: Disease activity burden quantified with the adjusted mean EScSG-AI predicted the risk of deterioration in health status and severe organ involvement in dcSSc. The EScSG-AI is more responsive when done repeatedly and averaged.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,026
Tête enseignante GPT0,270
Écart entre enseignants0,245 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations16
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueLara D. VeekenMême sujetSystemic Sclerosis and Related DiseasesTravaux en français237 207