Comparison of visual diagnostic accuracy of dermatologists practicing in Germany in patients with light skin and skin of color
Notice bibliographique
Résumé
Abstract Visual clinical diagnosis of dermatoses in people of color (PoC) is a considerable challenge in daily clinical practice and a potential cause of misdiagnosis in this patient cohort. The study aimed to determine the difference in visual diagnostic skills of dermatologists practicing in Germany in patients with light skin (Ls) and patients with skin of color (SoC) to identify a potential need for further education. From April to June 2023, German dermatologists were invited to complete an online survey with 24 patient photographs depicting 12 skin diseases on both Ls and SoC. The study's primary outcomes were the number of correctly rated photographs and the participants’ self-assessed certainty about the suspected visual diagnosis in Ls compared to SoC. The final analysis included surveys from a total of 129 dermatologists (47.8% female, mean age: 39.5 years). Participants were significantly more likely to correctly identify skin diseases by visual diagnostics in patients with Ls than in patients with SoC (72.1% vs. 52.8%, p ≤ .001, OR = 2.28). Additionally, they expressed higher confidence in their diagnoses for Ls than for SoC (73.9 vs. 61.7, p ≤ .001). Therefore, further specialized training seems necessary to improve clinical care of dermatologic patients with SoC.
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 | 0,001 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».