Concordance and Accuracy of Teledermatology Using Mobile Phones in the Outpatient Clinic of Jose R Reyes Memorial Medical Center: Cross-sectional Study
Notice bibliographique
Résumé
BACKGROUND: Dermatologists rely on visual findings; thus, teledermatology is uniquely compatible to providing dermatologic care. The use of mobile phones in a store-and-forward approach, where gathered data are sent to a distant health provider for later review, may be a potential bridge in seeking dermatologic care. OBJECTIVE: This study aimed to determine the agreement between face-to-face consultations and teledermatologic consultations through the store-and-forward approach using mobile phones and its accuracy compared to a histopathologic diagnosis. METHODS: The study design was a cross-sectional study of participants consecutively recruited from dermatology patients who presented with skin or mucosal complaint and without prior dermatologist consultation. Photographs were taken using a standard smartphone (iPhone 6s Plus), and a 4-mm skin punch biopsy was taken on each patient-the gold standard to which the study result was compared to. The photographs were sent to 3 consultant dermatologists using a store-and-forward approach, for independent diagnosis and treatment plan. RESULTS: A total of 60 patients were included, with a median age of 41 years. There was moderate-to-almost perfect agreement in terms of final diagnosis between the face-to-face dermatologic diagnosis and teledermatologic diagnoses. The third teledermatologist had the highest agreement with the clinical dermatologist in terms of final diagnosis (κ=0.84; P<.001). Among the 3 dermatologists, there was moderate-to-almost perfect agreement as well. Agreement between pairs of teledermatologists ranged from 0.45 to 0.84. The 3 teledermatologists had moderate-to-substantial agreement with the biopsy results, with the third teledermatologist having the highest accuracy (κ=0.77; P<.001). Overall, there was a moderate agreement in the diagnosis of patients across raters. CONCLUSIONS: Teledermatology is a viable alternative to face-to-face consultations. Our results show moderate-to-substantial agreement in diagnoses from a face-to-face consultation and store-and-forward teledermatology.
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 | 0,000 |
| 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 | 0,000 |
| 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) | 0,001 | 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 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 ».