Assessing diagnostic certainty for scurvy and rickets in human skeletal remains
Notice bibliographique
Résumé
OBJECTIVES: Identifying scurvy and rickets has important implications for understanding adaptations and variability among past communities, and bioarchaeologists now regularly evaluate these conditions. Due to the increased number of studies, cases with less clear-cut lesions and variable preservation are now frequently reported. Despite an improved understanding of the biological mechanisms for disease expression, there is a lack of consensus on the language used to express diagnostic certainty, limiting comparability. This article aims to address these issues and provide recommendations on more consistent diagnostic terminology using widely accepted diagnostic methodology based on biological mechanisms. MATERIALS AND METHODS: We review diagnostic terms used in bioarchaeology by considering published cases of rickets, scurvy and co-occurrence alongside M.B.B.'s past project notes. We also consider differences in the diagnosis of rickets and scurvy in living and archeological individuals. RESULTS: We provide recommendations on a framework that can be used to show diagnostic certainty in cases of rickets, scurvy, and co-occurrence. Core lesions of rickets and scurvy are used alongside a limited lexicon of diagnostic terminology based on the Istanbul protocol. DISCUSSION: It is not the number of lesions that determines whether an individual is assigned to a particular diagnosis category, but rather the range and expression of lesions present. Avoiding a "tick-list" approach to core lesions of these diseases will be critical to ensure that identifying rickets and scurvy continues to contribute to understanding adaptations and variability among past communities. The framework allows more consistency in diagnostic certainty, facilitating greater comparability in research.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,082 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».