MétaCan
Menu
← Retour à la cohorte
Enregistrement W2913074147 · doi:10.3899/jrheum.181074

Advancing Stiffness Measurement in Rheumatic Disease: Report from the Stiffness Special Interest Group at OMERACT 2018

2019· article· en· W2913074147 sur OpenAlexvenueno aff
Ethan Craig, Ana‐Maria Orbai, Sarah Mackie, Susan J. Bartlett, Clifton O. Bingham, Susan M. Goodman, Catherine Hill, Robert J. Holt, Amye Leong, Chetan S. Karyekar, Ying Ying Leung, Pamela Richards, Serena Halls

Notice bibliographique

RevueThe Journal of Rheumatology · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueRheumatoid Arthritis Research and Therapies
Établissements canadiensnon disponible
Organismes subventionnairesMedical Research CouncilNational Institute for Health and Care ResearchNational Institute of Arthritis and Musculoskeletal and Skin DiseasesHorizon PharmaPatient-Centered Outcomes Research Institute
Mots-clésRheumatoid arthritisStiffnessMedicinePhysical therapyRheumatologyInternal medicineConstruct validityPhysical medicine and rehabilitationPsychometricsEngineeringClinical psychologyStructural engineering

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: To improve measurement of stiffness in rheumatic disease. METHODS: Data presented included (1) 2 qualitative projects, (2) the rheumatoid arthritis (RA) stiffness patient-reported outcome measure (RAST), and (3) 3 items assessing stiffness severity, duration, and interference. RESULTS: Stiffness is multidimensional and includes aspects of stiffness experience such as duration, severity, and effect. Stiffness items showed construct validity in RA. Further efforts are required to develop an instrument that will be taken through the Outcome Measures in Rheumatology (OMERACT) Filter 2.1 for instrument selection. CONCLUSION: The research agenda for the group includes domain content voting for individual diseases, and development of stiffness item banks and disease-specific short forms.

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)0,020
score de la tête « metaresearch » (Gemma)0,017
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Commentaire · Signal consensuel: aucune
Score de désaccord entre enseignants0,020
Score d'incertitude au seuil0,107

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0200,017
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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.

Tête enseignante Opus0,024
Tête enseignante GPT0,277
Écart entre enseignants0,253 · 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'étudeSans objet
Domainenon disponible
GenreCommentaire

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations11
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Journal of Rheumatology→Même sujetRheumatoid Arthritis Research and Therapies→Travaux en français237 207→