A Standardized Diagnostic Ontology for Fibrotic Interstitial Lung Disease. An International Working Group Perspective
Notice bibliographique
Résumé
Accurately diagnosing fibrotic interstitial lung disease (ILD) is a challenge even for expert clinicians. It requires multidisciplinary integration of clinical, radiological, and pathological features that are then compared against a series of formal and informal diagnostic criteria for different conditions (1). Diagnostic criteria for idiopathic pulmonary fibrosis (IPF) (2) and the remaining idiopathic interstitial pneumonias (1, 3) have helped standardize this process, but many conditions remain loosely and inconsistently defined (4–6). The current approach therefore results in significant diagnostic heterogeneity (5), which has major implications for patients whose treatment plan and prognosis depend on an accurate diagnosis. Two distinct approaches to the classification of fibrotic ILD have evolved in clinical practice. In the first approach, assignment of a diagnosis is based on strict adherence to diagnostic criteria, resulting in a large number of unclassifiable cases. In the second, assignment of a diagnosis is based on clinical judgment (i.e., what the provider believes is the likely diagnosis regardless of whether all diagnostic guideline criteria are met), generally resulting in a smaller number of unclassifiable cases. Both approaches are defensible: one maximizes diagnostic certainty at the expense of clinical utility, and the other maximizes clinical utility at the expense of diagnostic certainty (7). The lack of consistency in diagnostic approach is problematic, and we suspect is a major reason for the observed diagnostic discordance among expert centers (5).
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 | 0,000 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| 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 ».