Validation of SPARCC MRI-RETIC E-Tools for Increasing Scoring Proficiency of MRI Sacroiliac Joint Lesions in Axial Spondyloarthritis
Notice bibliographique
Résumé
Abstract Background. The Spondyloarthritis Research Consortium of Canada (SPARCC) developers have created novel web-based calibration modules for the SPARCC MRI Sacroiliac Joint (SIJ) inflammation and structural scoring methods (SPARCC-SIJRETIC−INF, SPARCC-SIJRETIC−STR) based on DICOM images and real-time iterative feedback (RETIC). We aimed to test the impact of applying these modules on feasibility and inter-observer reliability (status/change) of the SPARCC SIJ methods. Methods The SPARCC-SIJRETIC modules each contain 50 DICOM axial spondyloarthritis (axSpA) cases with baseline and follow-up scans and an online scoring interface. Continuous visual real-time feedback regarding concordance/discordance of scoring per SIJ quadrant (bone marrow edema (BME), erosion, fat lesion) or halves (backfill, ankylosis) with expert readers is provided by a color-coding scheme. Reliability is assessed in real-time by intra-class correlation coefficient (ICC), cases being scored until ICC targets are attained. Participating readers (n = 17) from the EuroSpA Imaging project were randomized, stratified by reader expertise with SPARCC-SIJ, to one of two reader calibration strategies that each comprised 3 stages. Baseline and follow-up scans from 25 cases were scored using SPARCC-SIJ after each stage was completed; none of these 75 cases were included in the SPARCC-SIJRETIC modules. Reliability was compared to an expert radiologist (SPARCC developer), and the Systems Usability Scale (SUS) assessed feasibility. Results The reliability of EuroSpA readers for scoring BME was high (ICC status/change ≥ 0.80) even after the first stage of calibration, and only minor improvement was noted following the use of the SPARCC-SIJRETIC−INF module. Greater enhancement of reader reliability from stages 1 to 3 was evident after the use of the SPARCC-SIJRETIC−STR module, especially for inexperienced readers, and was most consistently evident for the scoring of erosion (ICC status/change: stage 1 (0.42/0.20) to stage 3 (0.50/0.38)) and backfill (ICC status/change: stage 1 (0.51/0.19) to stage 3 (0.69/0.41)). The feasibility of both RETIC modules was evident by reading time per case of readers after calibration being comparable to SPARCC developers and by the high SUS scores reported by most readers. Conclusion The SPARCC-SIJRETIC modules are feasible, effective knowledge transfer tools for the SPARCC MRI SIJ scoring methods. They are recommended for routine calibration of readers before using these methods for clinical research and trials.
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 | 0,060 | 0,110 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,002 |
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 ».