Adjudicating the Diagnosis of Immune Thrombocytopenia in a Clinical Research Study
Notice bibliographique
Résumé
<b>Background:</b> Establishing the diagnosis of immune thrombocytopenia (ITP) is challenging in clinical practice and research settings even for experienced hematologists because it is a diagnosis of exclusion. <b>Methods:</b> We developed criteria to adjudicate the diagnosis of ITP using patients enrolled in the McMaster ITP Registry. At each patient visit, the cause of the thrombocytopenia was determined by the treating physician according to published criteria using all available information. We adjudicated the cause of the thrombocytopenia for any patient whose diagnosis was uncertain, if the diagnosis changed from one follow-up visit to another, or if the thrombocytopenia occurred in the context of pregnancy. Adjudication was done independently by one of the principal investigators, an external hematologist and a research associate using predefined criteria. <b>Results:</b> The etiology of the thrombocytopenia was adjudicated for 130 patients (n= 195 clinic visits). Reasons for adjudication were: a change in diagnosis from one visit to the next (n= 77; 59.2%), no clear cause of the thrombocytopenia was identified (n=46; 35.4%), and pregnancy-related thrombocytopenia (n=7; 5.4%). After adjudication, the most common changes in diagnosis were from primary ITP to secondary ITP (n=10), from “unknown” diagnosis to either primary ITP (n=15) or non-immune thrombocytopenia (n=10), or a change in the cause of non-immune thrombocytopenia (n=10). The diagnosis did not change for 38 patients (29.7%) after adjudication. <b>Conclusions:</b> Adjudication led to a more accurate diagnosis for 92 of 130 (70.8%) patients enrolled in the registry who presented with thrombocytopenia. This process can improve the clinical diagnosis of ITP.
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 | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».