A novel classification system for research reporting in rare and progressive genetic conditions
Notice bibliographique
Résumé
AIM: To create a classification system for severe, rare, and progressive genetic conditions for use in research reporting. METHOD: A modified Delphi consensus technique was used to create and reach agreement on a new system of condition categories. Interrater reliability was tested via two rounds of an online survey whereby physicians classified a subset of conditions using our novel system. Overall percentage agreement and agreement above chance were calculated using Fleiss' kappa (κ). RESULTS: Eleven physicians completed the first Delphi, with an overall agreement of 76.4%, the κ value was 0.57 (95% confidence interval 0.51-0.63), indicating moderate agreement (0.41-0.60) above chance. Based on the first survey several categories were described in more detail. The second survey confirmed a classification system with 12 categories, with an overall percentage agreement among the participants of 82.6%. The overall mean κ value was 0.71 (95% confidence interval 0.65-0.77), indicating substantial agreement (0.61-0.80). INTERPRETATION: Our new system was useful in categorizing a broad range of rare childhood diseases and may be applicable to other rare disease studies; further validation in larger cohorts is required. WHAT THIS PAPER ADDS: This novel 12-category classification system can be used in research reporting in rare and progressive genetic conditions.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,084 | 0,134 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,013 | 0,005 |
| Études des sciences et des technologies | 0,003 | 0,003 |
| Communication savante | 0,004 | 0,007 |
| Science ouverte | 0,003 | 0,006 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,002 |
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 source (Gemma direct ou Codex distillé), 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 ».