An International Delphi Survey for the Definition of New Classification Criteria for Familial Mediterranean Fever, Mevalonate Kinase Deficiency, TNF Receptor–associated Periodic Fever Syndromes, and Cryopyrin-associated Periodic Syndrome
Notice bibliographique
Résumé
OBJECTIVE: Provisional evidence-based classification criteria for hereditary periodic fever (HPF) have been recently developed. However, no consensus on how to combine clinical criteria, laboratory tests, and results of molecular analysis has been reached. The objective of this study is to understand which variables physicians consider important for the classification of patients with HPF. METHODS: Two Delphi surveys were sent to health professionals in the field of autoinflammation. In the first open survey, 124 researchers could list all the variables they consider useful for the diagnosis of each monogenic periodic fever. The variables could be of any type and each researcher could complete the survey for 1 or more diseases. In the second survey, 162 researchers were asked to select, from a list of items coming from the first survey, the 10 top variables and to rank them by assigning a score from 10 to 1. RESULTS: The response rates to the Delphi surveys were 85% for the first session and 87% for the second. The variables selected for each disease (corresponding to the third quartile, considering the total score obtained by the variables after the second Delphi survey) were 21 for mevalonate kinase deficiency, 22 for cryopyrinopathies, 18 for familial Mediterranean fever, and 20 for tumor necrosis factor receptor-associated periodic fever syndrome. A positive genetic test reached the top rank in all the HPF. CONCLUSION: Our process led to the identification of those features considered the most important as candidate variables to be included in a new set of evidence-based classification criteria for HPF.
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 | 0,002 | 0,001 |
| 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 | 0,001 | 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 ».