Combining treat‐to‐target principles and shared decision‐making: International expert consensus‐based recommendations with a novel concept for minimal disease activity criteria in atopic dermatitis
Notice bibliographique
Résumé
BACKGROUND: Current treat-to-target recommendations for atopic dermatitis (AD) may not include high enough treatment targets and do not fully consider patient needs. OBJECTIVE: To develop recommendations for optimized AD management, including disease severity assessments, treatment goals and targets, and guidance for treatment escalation/modification. METHODS: An international group of expert dermatologists drafted a series of recommendations for AD management using insights from a global patient study and 87 expert dermatologists from 44 countries. Experts voted on recommendations using a modified eDelphi voting process. RESULTS: The Aiming High in Eczema/Atopic Dermatitis (AHEAD) recommendations establish a novel approach to AD management, incorporating shared decision-making and a concept for minimal disease activity (MDA). Consensus (≥70% agreement) was reached for all recommendations in 1 round of voting; strong consensus (≥90% agreement) was reached for 30/34 recommendations. In the AHEAD approach, patients select their most troublesome AD feature(s); the clinician chooses a corresponding patient-reported severity measure and objective severity measure. Treatment targets are chosen from a list of 'moderate' and 'optimal' targets, with achievement of 'optimal' targets defined as MDA. CONCLUSIONS: Patient and expert insights led to the development of AHEAD recommendations, which establish a novel approach to AD management. Patients were not involved in the eDelphi voting process used to generate consensus on each recommendation. However, patient perspectives were captured in a global, qualitative patient research study that was considered by the experts in their initial drafting of the recommendations.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 ».