Fast track algorithm: How to differentiate a “scleroderma pattern” from a “non-scleroderma pattern”
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
OBJECTIVES: This study was designed to propose a simple "Fast Track algorithm" for capillaroscopists of any level of experience to differentiate "scleroderma patterns" from "non-scleroderma patterns" on capillaroscopy and to assess its inter-rater reliability. METHODS: Based on existing definitions to categorise capillaroscopic images as "scleroderma patterns" and taking into account the real life variability of capillaroscopic images described standardly according to the European League Against Rheumatism (EULAR) Study Group on Microcirculation in Rheumatic Diseases, a fast track decision tree, the "Fast Track algorithm" was created by the principal expert (VS) to facilitate swift categorisation of an image as "non-scleroderma pattern (category 1)" or "scleroderma pattern (category 2)". Mean inter-rater reliability between all raters (experts/attendees) of the 8th EULAR course on capillaroscopy in Rheumatic Diseases (Genoa, 2018) and, as external validation, of the 8th European Scleroderma Trials and Research group (EUSTAR) course on systemic sclerosis (SSc) (Nijmegen, 2019) versus the principal expert, as well as reliability between the rater pairs themselves was assessed by mean Cohen's and Light's kappa coefficients. RESULTS: Mean Cohen's kappa was 1/0.96 (95% CI 0.95-0.98) for the 6 experts/135 attendees of the 8th EULAR capillaroscopy course and 1/0.94 (95% CI 0.92-0.96) for the 3 experts/85 attendees of the 8th EUSTAR SSc course. Light's kappa was 1/0.92 at the 8th EULAR capillaroscopy course, and 1/0.87 at the 8th EUSTAR SSc course. CONCLUSION: For the first time, a clinical expert based fast track decision algorithm has been developed to differentiate a "non-scleroderma" from a "scleroderma pattern" on capillaroscopic images, demonstrating excellent reliability when applied by capillaroscopists with varying levels of expertise versus the principal expert and corroborated with external validation.
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.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,010 | 0,004 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,008 |
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 découle