Diagnostic Performance of a Machine Learning Algorithm (Asthma/Chronic Obstructive Pulmonary Disease [COPD] Differentiation Classification) Tool Versus Primary Care Physicians and Pulmonologists in Asthma, COPD, and Asthma/COPD Overlap
Notice bibliographique
Résumé
BACKGROUND: The differential diagnosis of asthma and chronic obstructive pulmonary disease (COPD) poses a challenge in clinical practice and its misdiagnosis results in inappropriate treatment, increased exacerbations, and potentially death. OBJECTIVE: To investigate the diagnostic accuracy of the Asthma/COPD Differentiation Classification (AC/DC) tool compared with primary care physicians and pulmonologists in asthma, COPD, and asthma-COPD overlap. METHODS: The AC/DC machine learning-based diagnostic tool was developed using 12 parameters from electronic health records of more than 400,000 patients aged 35 years and older. An expert panel of three pulmonologists and four general practitioners from five countries evaluated 119 patient cases from a prospective observational study and provided a confirmed diagnosis (n = 116) of asthma (n = 53), COPD (n = 43), asthma-COPD overlap (n = 7), or other (n = 13). Cases were then reviewed by 180 primary care physicians and 180 pulmonologists from nine countries and by the AC/DC tool, and diagnostic accuracies were compared with reference to the expert panel diagnoses. RESULTS: Average diagnostic accuracy of the AC/DC tool was superior to that of primary care physicians (median difference, 24%; 95% posterior credible interval: 17% to 29%; P < .0001) and was noninferior and superior (median difference, 12%; 95% posterior credible interval: 6% to 17%; P < .0001 for noninferiority and P = .0006 for superiority) to that of pulmonologists. Average diagnostic accuracies were 73%, 50%, and 61% by AC/DC tool, primary care physicians, and pulmonologists versus expert panel diagnosis, respectively. CONCLUSION: The AC/DC tool demonstrated superior diagnostic accuracy compared with primary care physicians and pulmonologists in the diagnosis of asthma and COPD in patients aged 35 years and greater and has the potential to support physicians in the diagnosis of these conditions in clinical practice.
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 | 0,024 | 0,090 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».