Diagnostic Delay in Psoriatic Arthritis: A Population-based Study
Notice bibliographique
Résumé
OBJECTIVE: To examine demographic and clinical characteristics associated with diagnostic delay in psoriatic arthritis (PsA). METHODS: We characterized a retrospective, population-based cohort of incident adult (≥ 18 yrs) patients with PsA from Olmsted County, Minnesota, from 2000-2017. All patients met the classification criteria. Diagnostic delay was defined as the time from any patient-reported PsA-related joint symptom to a physician diagnosis of PsA. Factors associated with delay in PsA diagnosis were identified through logistic regression models. RESULTS: Of the 164 incident PsA cases from 2000 to 2017, 162 had a physician or rheumatologist diagnosis. Mean (SD) age was 41.5 (12.6) years and 46% were female. Median time from symptom onset to physician diagnosis was 2.5 years (IQR 0.5-7.3). By 6 months, 38 (23%) received a diagnosis of PsA, 56 (35%) by 1 year, and 73 (45%) by 2 years after symptom onset. No significant trend in diagnostic delay was observed over calendar time. Earlier age at onset of PsA symptoms, higher BMI, and enthesitis were associated with a diagnostic delay of > 2 years, whereas sebopsoriasis was associated with a lower likelihood of delay. CONCLUSION: In our study, more than half of PsA patients had a diagnostic delay of > 2 years, and no significant improvement in time to diagnosis was noted between 2000 and 2017. Patients with younger age at PsA symptom onset, higher BMI, or enthesitis before diagnosis were more likely to have a diagnostic delay of > 2 years, whereas patients with sebopsoriasis were less likely to have a diagnostic delay.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| 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 ».