Contextualizing temporal arterial magnetic resonance angiography in the diagnosis of giant cell arteritis: a retrospective cohort study
Notice bibliographique
Résumé
OBJECTIVES: Imaging modalities have become common in evaluating patients for a possible diagnosis of GCA. This study seeks to contextualize how temporal arterial magnetic resonance angiography (TA-MRA) can be used in facilitating the diagnosis of GCA. METHODS: A retrospective cohort study was performed on patients who had been previously referred to a rheumatologist for evaluation of possible GCA in Hamilton, Ontario, Canada. Data including clinical features, inflammatory markers, imaging, and biopsy results were extracted. Multivariable logistic regression model to predict the diagnosis of GCA. Using these models, the utility of TA-MRA in series with or in parallel to clinical evaluation was demonstrated across the cohort as well as in subgroups defined by biopsy and imaging status. RESULTS: In total 268 patients had complete data. Those diagnosed with biopsy- and/or imaging-positive GCA were more likely to demonstrate classic features including jaw claudication and vision loss. Clinical multivariable modelling allowed for fair discriminability [receiver operating characteristic (ROC) 0.759, 95% CI: 0.703, 0.815] for diagnosing GCA; there was excellent discriminability in facilitating the diagnosis of biopsy-positive GCA (ROC 0.949, 0.898-1.000). When used in those with a pre-test probability of 50% or higher, TA-MRA had a positive predictive value of 93.0%; in those with a pre-test probability of 25% or less TA-MRA had a negative predictive value of 89.5%. CONCLUSION: In those with high disease probability, TA-MRA can effectively rule in disease (and replace temporal artery biopsy). In those with low to medium probability, TA-MRA can help rule out the disease, but this continues to be a challenging diagnostic population.
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 | 0,003 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».