MétaCan
Menu
Retour à la cohorte
Enregistrement W2796689018 · doi:10.1093/jbcr/iry006.035

31 Evaluation of Intra- and Inter-User Reliability in Quantitative Scar Assessments

2018· article· en· W2796689018 sur OpenAlexaboutno aff
Molly E. Baumann, Danielle M. DeBruler, Britani N. Blackstone, Rebecca Coffey, Steven T. Boyce, J. Kevin Bailey, H Powell

Notice bibliographique

RevueJournal of Burn Care & Research · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueDermatologic Treatments and Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésReliability (semiconductor)MedicineIntraclass correlationDigital image analysisBiomedical engineeringDigital photographyMedical physicsComputer scienceComputer visionPhotography

Résumé

récupéré en direct d'OpenAlex

To adequately evaluate the efficacy of current and emerging anti-scar technologies, scar assessment must be carried out in a systematic, objective manner using non-invasive instruments with low potential for user bias. In addition, for these assessments to be compatible with normal clinical workflow, they must be robust, user independent and rapid. In this IRB-approved study, scar height, texture, color and biomechanics were evaluated using non-invasive, quantitative instruments. One scar site per subject (n = 15) was marked for analysis and assessed, in triplicate, by three independent investigators to evaluate inter- and intra-user variability. Scar color was assessed using digital image analysis, commercially available spectroscopy equipment for skin, the Vancouver Scar Scale (VSS) and the Patient and Observer Scar Assessment Scale (POSAS). Biomechanical analysis was performed using three commercially available non-invasive instruments along with VSS and POSAS. Scar height and texture were assessed using a 3D scanner, conventional molding/casting combined with digital image analysis along with VSS and POSAS. Intraclass correlation coefficients (ICC) were calculated to assess intra and inter-user reliability with the quantitative instruments and kappa reliability statistics were performed to assess inter-user reliability with VSS/POSAS. Inter-user evaluation of scar color was significantly more reliable with spectroscopy equipment vs. digital photograph analysis (0.9798 and 0.6148, respectively) and more reliable than POSAS and VSS (0.2063 and 0.5994, respectively). All evaluations with VSS and POSAS had fair to moderate inter-user reliability. Evaluation of scar height/texture had greater intra-user reliability with the molding technique (0.8191) vs. the 3D scanner (0.6098); however, both had poor inter-user reliability. Biomechanical analyses using quantitative instruments had poor to moderate inter-user reliability (0.50–0.75) based on the type of instrument and property quantified. Intra-user reliability was significantly better (moderate to good) and was dependent on investigator experience. Quantitative analyses of color can be more reliably assessed using a commercially available instrument versus digital image analysis or scar scales. Evaluation of scar biomechanics and height/texture are more heavily dependent on the assessor and require significant levels of training to achieve acceptable levels of intra-user reliability. With a full understanding of optimal procedures and limitations of each technique, non-invasive instruments can be readily integrated into the clinical workflow to provide a quantitative analysis of scars and evaluations of treatment outcomes.

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)0,082
score de la tête « metaresearch » (Gemma)0,084
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 enseignants0,082
Score d'incertitude au seuil0,432

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0820,084
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,002
Communication savante0,0010,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,184
Tête enseignante GPT0,556
Écart entre enseignants0,372 · 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

Citations0
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Burn Care & ResearchMême sujetDermatologic Treatments and ResearchTravaux en français237 207