Physician global assessments for disease activity in rheumatoid arthritis are all over the map!
Notice bibliographique
Résumé
INTRODUCTION: Physician global assessments of disease activity (medical doctor (MD) globals) are important outcomes. MD globals may vary based on their age, gender, practice setting and experience (number of patients seen per year and years in practice). METHODS: We determined the variability of MD globals, surveying rheumatologists from the Canadian Rheumatology Association using rheumatoid arthiritis (RA) cases rated by MD for disease activity from 0 to 10. Cases were developed to span the spectrum of disease activity. Kappa, intraclass correlation (ICC) coefficients and linear mixed models were used. RESULTS: 109 responded to the survey (approximately 30% response). The range of MD globals for the same scenario was as high as 7.6 out of 10, indicating vast discrepancies between physicians. Some scenarios outlined changes in individual patients; however, physicians surveyed were often in disagreement as to how much the patient recovered or worsened but the direction was the same (ie, if better all agreed). When physician-related factors were analysed separately, MD global scores were significantly influenced by age and experience (ranked by a physician, number of patients seen per year and years in clinical practice) in linear mixed models. Multivariate analysis revealed borderline significance for two age categories (56-65 years, P=0.049; over 65 years, P=0.058) and those who have seen 600-800 patients per year (P=0.056). CONCLUSIONS: This emphasises the need to establish evaluation criteria in RA for disease. Perhaps, a catalogue of patient scenarios that range from 0 to 10 could be developed, standardised and agreed on to decrease the wide variability of ranking by rheumatologists.
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 | 0,000 |
| 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 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 ».