MétaCan
Menu
Retour à la cohorte
Enregistrement W2765099479 · doi:10.1136/rmdopen-2017-000507

EULAR/ACR classification criteria for adult and juvenile idiopathic inflammatory myopathies and their major subgroups: a methodology report

2017· article· en· W2765099479 sur OpenAlexaff
Matteo Bottai, Anna Tjärnlund, Giola Santoni, Victoria P. Werth, Clarissa Pilkington, Lars Alfredsson, Anthony A. Amato, Richard J. Barohn, Matthew H. Liang, Jasvinder A. Singh, Rohit Aggarwal, Snjólaug Arnardottir, Hector Chinoy, Robert G. Cooper, Katalin Dankó, Mazen M. Dimachkie, Brian M. Feldman, Ignacio García‐De La Torre, Patrick Gordon, Taichi Hayashi, James D. Katz, Hitoshi Kohsaka, Peter A. Lachenbruch, Bianca Lang, Yuhui Li, Chester V. Oddis, Marzena Olesinka, Ann M. Reed, Lidia Rutkowska‐Sak, Helga Sanner, Albert Selva-O’Callaghan, Yeong Wook Song, Jiří Vencovský, Steven R. Ytterberg, Frederick W. Miller, Lisa G. Rider, Ingrid E. Lundberg

Notice bibliographique

RevueRMD Open · 2017
Typearticle
Langueen
DomaineMedicine
ThématiqueInflammatory Myopathies and Dermatomyositis
Établissements canadiensSickKids FoundationIzaak Walton Killam Health CentreDalhousie UniversityHospital for Sick ChildrenUniversity of Toronto
Organismes subventionnairesMedical Research CouncilFeinberg School of MedicineU.S. Department of Health and Human ServicesNational Institutes of HealthNational Institute for Health and Care ResearchEuropean League Against RheumatismNorthwestern University
Mots-clésMedicineRheumatismRheumatologyInternal medicineMyositisPhysical therapy

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: To describe the methodology used to develop new classification criteria for adult and juvenile idiopathic inflammatory myopathies (IIMs) and their major subgroups. METHODS: An international, multidisciplinary group of myositis experts produced a set of 93 potentially relevant variables to be tested for inclusion in the criteria. Rheumatology, dermatology, neurology and paediatric clinics worldwide collected data on 976 IIM cases (74% adults, 26% children) and 624 non-IIM comparator cases with mimicking conditions (82% adults, 18% children). The participating clinicians classified each case as IIM or non-IIM. Generally, the classification of any given patient was based on few variables, leaving remaining variables unmeasured. We investigated the strength of the association between all variables and between these and the disease status as determined by the physician. We considered three approaches: (1) a probability-score approach, (2) a sum-of-items approach criteria and (3) a classification-tree approach. RESULTS: The approaches yielded several candidate models that were scrutinised with respect to statistical performance and clinical relevance. The probability-score approach showed superior statistical performance and clinical practicability and was therefore preferred over the others. We developed a classification tree for subclassification of patients with IIM. A calculator for electronic devices, such as computers and smartphones, facilitates the use of the European League Against Rheumatism/American College of Rheumatology (EULAR/ACR) classification criteria. CONCLUSIONS: The new EULAR/ACR classification criteria provide a patient's probability of having IIM for use in clinical and research settings. The probability is based on a score obtained by summing the weights associated with a set of criteria items.

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)0,039
score de la tête « metaresearch » (Gemma)0,060
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,039
Score d'incertitude au seuil0,205

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0390,060
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0100,007
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0020,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,003

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 Opus0,086
Tête enseignante GPT0,369
Écart entre enseignants0,283 · 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'étudeSans objet
Domainenon disponible
GenreMéthodes

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

En bref

Citations190
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRMD OpenMême sujetInflammatory Myopathies and DermatomyositisTravaux en français237 207