The Lake Louise Score: A Critical Assessment of Its Specificity
Notice bibliographique
Résumé
Moore, James, Martin J. MacInnis, Jon Dallimore, and Matt Wilkes. The Lake Louise Score: A Critical Assessment of Its Specificity. High Alt Med Biol . 21:237–242, 2020. Introduction: The Lake Louise Score (LLS) has low specificity for diagnosing acute mountain sickness (AMS). As this tool is used for research and clinical decision making, it is important to understand the origins of this poor specificity. We reviewed AMS diagnoses in a population trekking at low altitude (“false positives”) to critically assess LLS specificity. Method: We retrospectively analyzed data from a sample of 123 adolescents trekking at low altitude to establish the predominant causes of false-positive AMS diagnoses (1993 LLS criteria), separately removing each LLS component to assess its contribution to the final score. Exploratory factor analysis (EFA) was applied to the data to establish component patterns. Results: Removal of LLS components individually showed fatigue contributed slightly more to false-positive AMS diagnoses than sleep quality in this group. An EFA from morning data highlighted sleep quality as a stand-alone factor in the measurement of AMS. Although of smaller significance, an EFA of the evening data highlighted fatigue and headache as the stand-alone factor. Conclusion: Our findings not only supported the recent removal of sleep quality from the LLS, but also demonstrated that fatigue had an equal part to play in the misdiagnosis of AMS in this population. These data highlighted the poor specificity of the LLS and suggest that the measurement of illness at altitude undergo further review.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».