Development of a Core Set of Outcome Measures for Large-vessel Vasculitis: Report from OMERACT 2016
Notice bibliographique
Résumé
OBJECTIVE: Among the challenges in conducting clinical trials in large-vessel vasculitis (LVV), including both giant cell arteritis (GCA) and Takayasu arteritis (TA), is the lack of standardized and meaningful outcome measures. The Outcome Measures in Rheumatology (OMERACT) Vasculitis Working Group initiated an international effort to develop and validate data-driven outcome tools for clinical investigation in LVV. METHODS: An international Delphi exercise was completed to gather opinions from clinical experts on LVV-related domains considered important to measure in trials. Patient interviews and focus groups were completed to identify outcomes of importance to patients. The results of these activities were presented and discussed in a "Virtual Special Interest Group" using telephone- and Internet-based conferences, discussions through electronic mail, and an in-person session at the 2016 OMERACT meeting. A preliminary core set of domains common for all forms of LVV with disease-specific elements was proposed. RESULTS: The majority of experts agree with using common outcome measures for GCA and TA, with the option of supplementation with disease-specific items. Following interviews and focus groups, pain, fatigue, and emotional effect emerged as health-related quality of life domains important to patients. Current disease assessment tools, including the Birmingham Vasculitis Activity Score, were found to be inadequate to assess disease activity in GCA and standardized assessment of imaging tests were felt crucial to study LVV, especially TA. CONCLUSION: Initial data from a clinician Delphi exercise and structured patient interviews have provided themes toward an OMERACT-endorsed core set of domains and outcome measures.
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 | 0,001 |
| 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 | 0,000 |
| 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 ».