Development and validation of a blood routine-based extent and severity clinical decision support tool for ulcerative colitis
Notice bibliographique
Résumé
Monitoring extent and severity is vital in the ulcerative colitis (UC) follow-up, however, current assessment is complex and low cost-effectiveness. We aimed to develop a routine blood-based clinical decision support tool, Jin's model, to investigate the extent and severity of UC. The multicentre retrospective cohort study recruited 975 adult UC inpatients and sub-grouped into training, internal validation and external validation set. Model was developed by logistics regression for the extent via Montreal classification and for the severity via Mayo score, Truelove and Witts score (TWS), Mayo endoscopic score (MES) and Degree of Ulcerative colitis Burden of Luminal Inflammation (DUBLIN) score. In Montreal classification, left-sided and extensive versus proctitis model achieved area under the receiver operating characteristic curve (AUROC) of 0.78 and 0.81 retrospectively. For severity, Mayo score model, TWS model, MES model and DUBLIN score model achieved an AUROC of 0.81, 0.70, 0.74 and 0.70 retrospectively. The models also were evaluated with satisfactory calibration and clinical unity. Jin's model was free with open access at http://jinmodel.com:3000/ . Jin's model is a noninvasive, convenient, and efficient approach to assess the extent and severity of UC.
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 | 0,008 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».