Expert Recommendations on Facilitating Personalized Approaches to Long-term Management of Actinic Keratosis: The Personalizing Actinic Keratosis Treatment (PAKT) Project
Notice bibliographique
Résumé
Actinic keratoses are pre-malignant skin lesions that require personalized care, a lack of which may result in poor treatment adherence and suboptimal outcomes. Current guidance on personalizing care is limited, notably in terms of tailoring treatment to individual patient priorities and goals and supporting shared decision-making between healthcare professionals and patients. The aim of the Personalizing Actinic Keratosis Treatment panel, comprised of 12 dermatologists, was to identify current unmet needs in care and, using a modified Delphi approach, develop recommendations to support personalized, long-term management of actinic keratoses lesions. Panellists generated recommendations by voting on consensus statements. Voting was blinded and consensus was defined as ≥ 75% voting 'agree' or 'strongly agree'. Statements that reached consensus were used to develop a clinical tool, of which, the goal was to improve understanding of disease chronicity, and the need for long-term, repeated treatment cycles. The tool highlights key decision stages across the patient journey and captures the panellist's ratings of treatment options for attributes prioritized by patients. The expert recommendations and the clinical tool can be used to facilitate patient-centric management of actinic keratoses in daily practice, encompassing patient priorities and goals to set realistic treatment expectations and improve care outcomes.
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 | 0,086 | 0,164 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,003 | 0,005 |
| Intégrité de la recherche | 0,007 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,022 | 0,009 |
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 ».