Generation of a Core Set of Items to Develop Classification Criteria for Scleroderma Renal Crisis Using Consensus Methodology
Notice bibliographique
Résumé
OBJECTIVE: To generate a core set of items to develop classification criteria for scleroderma renal crisis (SRC) using consensus methodology. METHODS: An international, multidisciplinary panel of experts was invited to participate in a 3-round Delphi exercise developed using a survey based on items identified by a scoping review. In round 1, participants were asked to identify omissions and clarify ambiguities regarding the items in the survey. In round 2, participants were asked to rate the validity and feasibility of the items using Likert-type scales ranging from 1 to 9 (where 1 = very invalid/unfeasible, 5 = uncertain, and 9 = very valid/feasible). In round 3, participants reviewed the results and comments from round 2 and were asked to provide final ratings. Items rated as highly valid and feasible (median scores ≥7 for each) in round 3 were selected as the provisional core set of items. A consensus meeting using a nominal group technique was conducted to further reduce the core set of items. RESULTS: Ninety-nine experts from 16 countries participated in the Delphi exercise. Of the 31 items in the survey, consensus was achieved on 13, in the categories hypertension, renal insufficiency, proteinuria, and hemolysis. Eleven experts took part in the nominal group technique discussion, where consensus was achieved in 5 domains: blood pressure, acute kidney injury, microangiopathic hemolytic anemia, target organ dysfunction, and renal histopathology. CONCLUSION: A core set of items that characterize SRC was identified using consensus methodology. This core set will be used in future data-driven phases of this project to develop classification criteria for SRC.
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 | 0,001 | 0,001 |
| 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 | 0,000 |
| 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 ».