Development of Psoriasis Assessment Tools Among Patients in the CorEvitas Psoriasis Registry
Notice bibliographique
Résumé
Background Dermatologists would benefit from an easy to use psoriasis severity assessment tool in the clinic. Objective To develop psoriasis assessment tools to predict PASI and Dermatology Life Quality Index (DLQI) using simple measures typically collected in clinical practice. Methods Data included 33 605 dermatology visits among plaque psoriasis patients enrolled in the CorEvitas Psoriasis Registry (4/15/15-7/11/20). Performance (adjusted coefficient of determination [R 2 adj ], root mean square error [RMSE]) in predicting PASI and DLQI was assessed for 16 different linear regression models (specified a priori based on combinations of BSA, Investigator’s Global Assessment [IGA], itch, skin pain, patient global assessment, age, sex, BMI, comorbidity index, prior biologic use), and 2 stepwise selection models and 1 elastic net model based on 56 available variables. For each prediction model, concordance (sensitivity, specificity) of predicted PASI75, PASI90 and DLQI 0/1 with observed values was evaluated. Results Mean (SD) age, BSA, and PASI were 51 (14) years, 6 (11), and 4 (6), respectively; 46% were women, and 87% were biologic experienced. A model predicting PASI using BSA plus IGA performed best among a priori specified models (R 2 adj = .72, RMSE = 2.93) and only marginally worse than models including additional variables (R 2 adj range .64-.74, RMSE range 2.82-3.36). Models including IGA had the best concordance between predicted and observed PASI75 (sensitivity range 83-85%, specificity range 88-91%) and PASI90 (sensitivity range 76-82%, specificity range 94-98%). DLQI prediction was limited. Conclusion An assessment tool for psoriasis including BSA and IGA may be an ideal option to predict PASI in a clinic setting.
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 | 0,028 | 0,049 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».