MétaCan
Menu
Retour à la cohorte
Enregistrement W3027818334 · doi:10.1002/acr.24263

Comparison of the 2019 European Alliance of Associations for Rheumatology/American College of Rheumatology Systemic Lupus Erythematosus Classification Criteria With Two Sets of Earlier Systemic Lupus Erythematosus Classification Criteria

2020· article· en· W3027818334 sur OpenAlexafffund
Michelle Petri, Daniel Goldman, Graciela S. Alarcón, Caroline Gordon, Joan T. Merrill, Paul R. Fortin, Ian N Bruce, David Isenberg, Daniel J. Wallace, Ola Nived, Rosalind Ramsey‐Goldman, Sang‐Cheol Bae, John G. Hanly, Jorge Sánchez‐Guerrero, Ann E. Clarke, Cynthia Aranow, Susan Manzi, Murray B. Urowitz, Dafna D. Gladman, Kenneth Kalunian, Victoria P. Werth, Asad Zoma, Sasha Bernatsky, Munther A. Khamashta, Søren Jacobsen, Jill P. Buyon, Mary Anne Dooley, Ronald van Vollenhoven, Ellen M. Ginzler, Thomas Stoll, Christine Peschken, Joseph L. Jorizzo, Jeffery P. Callen, Sam Lim, Murat İnanç, Diane L. Kamen, Anisur Rahman, Kristján Steinsson, Andrew G. Franks, Laurence S. Magder

Notice bibliographique

RevueArthritis Care & Research · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueSystemic Lupus Erythematosus Research
Établissements canadiensMcGill University Health CentreUniversity of CalgaryDalhousie UniversityUniversity of TorontoUniversité LavalQueen Elizabeth II Health Sciences CentreUniversity of ManitobaToronto Western Hospital
Organismes subventionnairesNational Institute of Arthritis and Musculoskeletal and Skin DiseasesSUNY Downstate Medical CenterUniversity of North Carolina at Chapel HillMcGill University Health CentreNational Institutes of HealthWake Forest UniversityLandspítali HáskólasjúkrahúsUniversiteit van AmsterdamWeill Cornell Medical CollegeGentofte HospitalNational Institute for Health and Care ResearchYork UniversityKing's College LondonAmsterdam University Medical CentersAllegheny Health NetworkUniversity of South CarolinaMcGill UniversityUniversity of LouisvilleRigshospitaletJohns Hopkins UniversityDalhousie UniversityU.S. Department of Veterans AffairsUniversity of TorontoEmory UniversityUniversity of Pennsylvania
Mots-clésRheumatologyMedicineInternal medicineSystemic lupusDermatologyAllianceDiseasePolitical science

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: The Systemic Lupus International Collaborating Clinics (SLICC) 2012 systemic lupus erythematosus (SLE) classification criteria and the revised American College of Rheumatology (ACR) 1997 criteria are list based, counting each SLE manifestation equally. We derived a classification rule based on giving variable weights to the SLICC criteria and compared its performance to the revised ACR 1997, the unweighted SLICC 2012, and the newly reported European Alliance of Associations for Rheumatology (EULAR)/ACR 2019 criteria sets. METHODS: The physician-rated patient scenarios used to develop the SLICC 2012 classification criteria were reemployed to devise a new weighted classification rule using multiple linear regression. The performance of the rule was evaluated on an independent set of expert-diagnosed patient scenarios and compared to the performance of the previously reported classification rules. RESULTS: The weighted SLICC criteria and the EULAR/ACR 2019 criteria had less sensitivity but better specificity compared to the list-based revised ACR 1997 and SLICC 2012 classification criteria. There were no statistically significant differences between any pair of rules with respect to overall agreement with the physician diagnosis. CONCLUSION: The 2 new weighted classification rules did not perform better than the existing list-based rules in terms of overall agreement on a data set originally generated to assess the SLICC criteria. Given the added complexity of summing weights, researchers may prefer the unweighted SLICC criteria. However, the performance of a classification rule will always depend on the populations from which the cases and non-cases are derived and whether the goal is to prioritize sensitivity or specificity.

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)0,016
score de la tête « metaresearch » (Gemma)0,061
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,083

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0160,061
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0050,002
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,077
Tête enseignante GPT0,387
Écart entre enseignants0,310 · 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'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations29
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueArthritis Care & ResearchMême sujetSystemic Lupus Erythematosus ResearchTravaux en français237 207