Predicting Which Children with Juvenile Idiopathic Arthritis Will Not Attain Early Remission with Conventional Treatment: Results from the ReACCh-Out Cohort
Notice bibliographique
Résumé
OBJECTIVE: To estimate the probability of early remission with conventional treatment for each child with juvenile idiopathic arthritis (JIA). Children with a low chance of remission may be candidates for initial treatment with biologics or triple disease-modifying antirheumatic drugs (DMARD). METHODS: We used data from 1074 subjects in the Research in Arthritis in Canadian Children emphasizing Outcomes (ReACCh-Out) cohort. The predicted outcome was clinically inactive disease for ≥ 6 months starting within 1 year of JIA diagnosis in patients who did not receive early biologic agents or triple DMARD. Models were developed in 200 random splits of 75% of the cohort and tested on the remaining 25% of subjects, calculating expected and observed frequencies of remission and c-index values. RESULTS: Our best Cox logistic model combining 18 clinical variables a median of 2 days after diagnosis had a c-index of 0.69 (95% CI 0.67-0.71), better than using JIA category alone (0.59, 95% CI 0.56-0.63). Children in the lowest probability decile had a 20% chance of remission and 21% attained remission; children in the highest decile had a 69% chance of remission and 73% attained remission. Compared to 5% of subjects identified by JIA category alone, the model identified 14% of subjects as low chance of remission (probability < 0.25), of whom 77% failed to attain remission. CONCLUSION: performance threshold (c-index > 0.70), it identified 3 times more subjects with low chance of remission than did JIA category alone, and it may serve as a benchmark for assessing value added by future laboratory/imaging biomarkers.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 |
| 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 ».