In silico validation of the Autoinflammatory Disease Damage Index
Notice bibliographique
Résumé
INTRODUCTION: Autoinflammatory diseases can cause irreversible tissue damage due to systemic inflammation. Recently, the Autoinflammatory Disease Damage Index (ADDI) was developed. The ADDI is the first instrument to quantify damage in familial Mediterranean fever, cryopyrin-associated periodic syndromes, mevalonate kinase deficiency and tumour necrosis factor receptor-associated periodic syndrome. The aim of this study was to validate this tool for its intended use in a clinical/research setting. METHODS: The ADDI was scored on paper clinical cases by at least three physicians per case, independently of each other. Face and content validity were assessed by requesting comments on the ADDI. Reliability was tested by calculating the intraclass correlation coefficient (ICC) using an 'observer-nested-within-subject' design. Construct validity was determined by correlating the ADDI score to the Physician Global Assessment (PGA) of damage and disease activity. Redundancy of individual items was determined with Cronbach's alpha. RESULTS: The ADDI was validated on a total of 110 paper clinical cases by 37 experts in autoinflammatory diseases. This yielded an ICC of 0.84 (95% CI 0.78 to 0.89). The ADDI score correlated strongly with PGA-damage (r=0.92, 95% CI 0.88 to 0.95) and was not strongly influenced by disease activity (r=0.395, 95% CI 0.21 to 0.55). After comments from disease experts, some item definitions were refined. The interitem correlation in all different categories was lower than 0.7, indicating that there was no redundancy between individual damage items. CONCLUSION: The ADDI is a reliable and valid instrument to quantify damage in individual patients and can be used to compare disease outcomes in clinical studies.
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 ».