A novel lupus activity index accounting for glucocorticoids: SLEDAI-2K glucocorticoid index
Notice bibliographique
Résumé
Objective: To develop and validate a modification of SLEDAI-2K to accurately describe disease activity while accounting for glucocorticoid (GC) doses. Methods: The first two phases focused on the development of the index. Phase 1: identification of scenarios of real patients seen prospectively in a longitudinal cohort. Phase 2: derivation of an equation that explains the association between SLEDAI-2K and GC doses using physician global assessment as the external construct. Phase 3: comparison of SLEDAI-2K and SLEDAI-2K GC (SLEDAI-2KG), using different cut-off points (4-7), in identifying responders in response to therapy. Results: In phase 1, 150 scenarios with different organ involvement and a range of GC doses were identified. In phase 2, three rheumatologists ranked disease activity using physician global assessment. A quadratic linear regression model relating GC doses and SLEDAI-2K resulted in the following equation: SLEDAI-2KG score = SLEDAI-2K score + [0.32 × GC - 0.0031 × GC2]. The weighted score of different GC doses was derived. In phase 3, SLEDAI-2KG identified more responders in a total of 111 patients at 6 months (84 vs 93%) and at 12 months (76 vs 92%) compared with SLEDAI-2K. SLEDAI-2KG performances were superior to SLEDAI-2K with all cut-off points (5-7). Conclusion: We developed a modification of SLEDAI-2K, SLEDAI-2KG, that describes disease activity while accounting for GC dose category. SLEDAI-2KG identifies more responders compared with SLEDAI-2K.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».