Obstacles in Early Diagnosis of Children With Juvenile Idiopathic Arthritis: A Nationwide Israeli Retrospective Study
Notice bibliographique
Résumé
Objective Characterization of the stages that patients with juvenile idiopathic arthritis (JIA) pass until they are diagnosed, and analysis of the different causes that lead to a delay in JIA diagnosis in Israel. Methods This is a retrospective cohort study conducted in 8 pediatric rheumatology centers in Israel. All patients diagnosed with JIA between October 2017 and October 2019 were included in the study. Demographic, clinical, and data regarding the referring physicians were collected from hospital and community medical charts. Results Of 207 patients included in the study, 201 cases were analyzed, 71.1% of the population were female. Patients, on average, were evaluated during the diagnostic process by 3.1 different physicians. In most cases, they initially met with a pediatrician in the community setting (61.2%), and later, most commonly referred to a rheumatologist by the community pediatrician (27.9%). The median time until diagnosis was 56.0 days (range: 1.0-2451.0 days). Patients diagnosed with polyarticular and spondyloarthritis/enthesitis-related arthritis (SpA/ERA) JIA subtypes had the longest period until diagnosis (median: 115.5 and 112.0 days, respectively). Younger age correlated with a quicker diagnosis, and females were diagnosed earlier compared to males. Fever at presentation significantly shortened the time to diagnosis ( P < 0.01), whereas involvement of the small joints/sacroiliac joints significantly lengthened the time ( P < 0.05). Conclusion This is the first nationwide multicenter study that analyzes obstacles in the diagnosis of JIA in Israel. Raising awareness about JIA, especially for patients with SpA/ERA, is crucial in order to avoid delays in diagnosis and treatment.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 |
| 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 ».