A tool to assist rheumatologists to engage their lupus patients: the Purple Butterfly
Notice bibliographique
Résumé
Objective: Translating the highly technical medical jargon of SLE into understandable concepts for patients, their families and individuals without expertise in SLE is a serious challenge. To facilitate communication and enable self-management in SLE, we aimed to create an innovative visual tool, the Purple Butterfly. Methods: We selected clinically representative criteria for SLE and transposed them as graphical features in an attractive and meaningful visual. We developed a script in R programming language that automatically transposes clinical data into this visualization. We asked SLE patients from a local cohort about the relevance, usefulness and acceptability of this visual tool in an online pilot survey. Results: The innovative Purple Butterfly features 11 key clinical criteria: age; sex; organ damage; disease activity; comorbidities; use of antimalarials, prednisone, immunosuppressants and biologics; and patient-reported physical and mental health-related quality of life. Each Purple Butterfly provides the health portrait of one SLE patient at one medical visit, and the automatic compilation of the butterflies can illustrate a patient's clinical journey over time. All survey participants agreed that they would like to use the Purple Butterfly to visualize the course of their SLE over time, and 9 of 10 agreed it should be used during their medical consultations. Conclusion: The Purple Butterfly nurtures effective doctor-patient communication by providing concise visual summaries of lupus patients' health conditions. We believe the Purple Butterfly has the potential to empower patients to take charge of their condition, enhance healthcare coordination and raise awareness about SLE.
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 | 0,002 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 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 ».