P2742Does concordance last over years? From training exercise to practice in the SUCCOUR trial
Notice bibliographique
Résumé
Background: Because global longitudinal strain (GLS) has shown greater sensitivity and lower variability than EF, the use of it is recommended in cardio-oncology guidelines. Previous work has documented that a quality control process improves inter-observer concordance of GLS, which exceeds that of EF. However, it is unknown whether the concordance persists subsequently. Purpose: To show the stability of training over time would be valuable in both research and practice Methods: To standardise GLS measurement, we administered a two-stage baseline calibration session with tailored feedback to 18 independent strain readers at 17 different sites in a multi-national randomised controlled trial. This study involved the consistency of GLS between the sites and core lab (CL) over 6 month follow-up (6MFU). Coefficient of variance (CV) was used to determine concordance. Results: 18 readers had completed the calibration and the CV of GLS at 1st and 2nd session were 4.5±3.1% and 3.9±2.9%. In the trial, 71 patients (54±13 years, 66 female) were enrolled. The time delay between training and initial analysis was 20±23 weeks. Baseline GLS of the overall group at CL and sites (-21.1±2.4% vs -20.3±1.9%, p=0.16) decreased at 6MFU (-19.8±2.5% vs -19.3±2.6%, p=0.85). The CV of GLS at baseline and 6MFU were 4.9±3.5% and 4.9±4.5% (p=0.96). In the whole period from 1st calibration to the 6MFU, the CV was stable and did not significantly change (p=0.19) (Figure). In contrast, the CV of EF at 1st session, baseline & 6MFU were 8.5±7.2, 4.7±3.3 & 6.1±5.0%, respectively and those tended to exceed that of GLS at each time-point (1st Cal: p<0.001, baseline: p=0.78, 6MFU: p=0.07, respectively).
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 | 0,011 | 0,004 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 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 ».