Evaluation of disease burden, patient journey, unmet diagnosis and treatment needs of patients with HIP and knee osteoarthritis in Turkey: A study through Delphi Methodology
Notice bibliographique
Résumé
Objective: To get information-driven insights from expert physicians regarding multiple aspects of the patient journey in knee and hip OA and establish a consensus for future studies and decision tree models in Turkey. Design: 157 questions were asked in total during this three-round modified Delphi-method panel to 10 physical medicine and rehabilitation specialists (2 have rheumatology and 3 have algology subspeciality), one orthopaedic surgeon and one algology specialist from anaesthesia specialty background. A consensus was achieved when 80% of the panel members agreed with an item. Contradictions between different disciplines were accepted as a non-consensus factor. Results: Panellists agreed that American College of Rheumatology classification criteria is mostly sufficient to provide an OA diagnosis in clinical practice, OA patients with ≥5 Western Ontario and McMaster Universities Osteoarthritis Index (WOMAC) pain or physical function score can be defined as moderate-to-severe OA if they have an additional ≥2 Kellgren-Lawrence (KL) score, a minimum improvement of 30% from baseline in WOMAC pain or function subscales or in PGA score can be accepted as moderate treatment response where ≥50% improvement from baseline in those scores as substantial response. Panellists stated that arthroplasty procedures need to be delayed as long as possible, but this delay should not jeopardize a beneficial and successful operation. Conclusions: These findings show that there is a significant disease burden, unmet treatment needs for patients with moderate-to-severe OA in Turkey from experts' perspective. Therefore, an updated systematic approach and decision tree models are needed to be implemented.
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 | 0,001 | 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 | 0,000 |
| 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 ».