MétaCan
Menu
Retour à la cohorte
Enregistrement W2896125857 · doi:10.1136/jnnp-2018-abn.116

THUR 231 Developing a new rating scale for ocular myasthenia gravis

2018· article· en· W2896125857 sur OpenAlexaff
Sui H. Wong, Eduardo Foschini Miranda, Helena Lee, Eric Eggenberger, Wayne T. Cornblath, Carolina Barnett

Notice bibliographique

RevueJournal of Neurology Neurosurgery & Psychiatry · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueMyasthenia Gravis and Thymoma
Établissements canadiensSt. Thomas Hospital
Organismes subventionnairesnon disponible
Mots-clésOcular myastheniaRating scaleMyasthenia gravisUsabilityMedicineScale (ratio)Observational studyPtosisDiplopiaPhysical therapyPsychologyOphthalmologyComputer scienceInternal medicineHuman–computer interaction

Résumé

récupéré en direct d'OpenAlex

Ocular Myasthenia Gravis (OMG) causes ptosis and diplopia, which can be disabling. For this study, OMG is defined as MG patients who have ocular symptoms only and no generalised involvement. A robust way of assessing the severity of OMG symptoms is important for research, to assess treatment and outcome. The rating scales recommended for MG research have a predominant focus on generalised disease, and are insufficiently sensitive for OMG due to the limited number of ocular questions. This study aims to create a new rating scale for OMG that is sensitive, reliable and clinically usable. We present our proposal of such a rating scale, which incorporates physician- and patient-rated components. We report the preliminary results of this pilot observational cohort study, in 60 patients with OMG. We compare the results of this with the MG composite scale. Future work is planned to validate this rating scale and to develop this alongside the MG Impairment Index (MGII). For future phases of this study we plan to assess the usability of this rating scale by Neurologists without specialist Neuro-ophthalmology. We invite feedback from Neurologists at the ABN.

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)0,006
score de la tête « metaresearch » (Gemma)0,015
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,031

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,015
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,003

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 Opus0,020
Tête enseignante GPT0,291
Écart entre enseignants0,271 · 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'étudeExpérimental (laboratoire)
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

Citations0
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Neurology Neurosurgery & PsychiatryMême sujetMyasthenia Gravis and ThymomaTravaux en français237 207