Comparative validation of the knee inflammation MRI scoring system and the MRI osteoarthritis knee score for semi-quantitative assessment of bone marrow lesions and synovitis-effusion in osteoarthritis: an international multi-reader exercise
Notice bibliographique
Résumé
Background: Bone marrow lesions (BMLs) and synovitis on magnetic resonance imaging (MRI) are associated with symptoms and predict degeneration of articular cartilage in osteoarthritis (OA). Validated methods for their semiquantitative assessment on MRI are available, but they all have similar scoring designs and questionable sensitivity to change. New scoring methods with completely different designs need to be developed and compared to existing methods. Objectives: To compare the performance of new web-based versions of the Knee Inflammation MRI Scoring System (KIMRISS) with the MRI OA Knee Score (MOAKS) for quantification of BMLs and synovitis-effusion (S-E). Design: Retrospective follow-up cohort. Methods: We designed web-based overlays outlining regions in the knee that are scored for BML in MOAKS and KIMRISS. For KIMRISS, both BML and S-E are scored on consecutive sagittal slices. The performance of these methods was compared in an international reading exercise of 8 readers evaluating 60 pairs of scans conducted 1 year apart from cases recruited to the OA Initiative (OAI) cohort. Interobserver reliability for baseline status and baseline to 1 year change in BML and S-E was assessed by intra-class correlation coefficient (ICC) and smallest detectable change (SDC). Feasibility was assessed using the System Usability Scale (SUS). Results: Mean change in BML and S-E was minimal over 1 year. Pre-specified targets for acceptable reliability (ICC ⩾ 0.80 and ⩾ 0.70 for status and change scores, respectively) were achieved more frequently for KIMRISS for both BML and synovitis. Mean (95% CI) ICC for change in BML was 0.88 (0.83-0.92) and 0.69 (0.60-0.78) for KIMRISS and MOAKS, respectively. KIMRISS mean SUS usability score was 85.7 and at the 95th centile of ranking for usability versus a score of 55.4 and 20th centile for MOAKS. Conclusion: KIMRISS had superior performance metrics to MOAKS for quantification of BML and S-E. Both methods should be further compared in trials of new therapies for OA.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| 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 ».