Multi-centre modified Delphi exercise to identify candidate items for classifying early-stage symptomatic knee osteoarthritis
Notice bibliographique
Résumé
OBJECTIVE: To generate a list of candidate items potentially useful for discriminating individuals with Early-stage Symptomatic Knee Osteoarthritis (EsSKOA) from those with other conditions and from established osteoarthritis (OA), and to reduce this list based on expert consensus. DESIGN: We conducted a three-round online international modified Delphi exercise with OA clinicians and researchers ("OA experts"). In Round 1, participants reviewed 84 candidate items and nominated additional item(s) potentially useful for EsSKOA classification; those nominated by ≥3 participants were added. In Round 2, participants rated perceived usefulness of 108 items (1 [not at all useful] to 9 [extremely useful]). In Round 3, participants could revise their ratings after reviewing Round 2 group median and quartiles. Following Round 3, we retained items with a median usefulness score >5 and ≥33.3% of participants categorised the item as useful (7 to 9), overall and in subgroup analysis by clinician field. RESULTS: There were 128 participants in Round 1 and 113 (88%) completed all rounds. We retained 77 items that spanned multiple domains (demographics, symptoms, physical exam, performance-based measures, imaging, laboratory investigations, and gross inspection/arthroscopy). Highly rated items included (median usefulness score): prior knee joint injury (8), diagnosis of OA in a different joint (7), and activity-related knee pain (7). The interquartile range was most often 3. CONCLUSION: We identified 77 items that OA experts consider potentially useful for EsSKOA classification. The results highlight experts' uncertainty around item usefulness. Next, candidate items will be further assessed and reduced using data-driven and multicriteria decision analysis methods.
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 | 0,126 | 0,116 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,004 | 0,002 |
| Études des sciences et des technologies | 0,004 | 0,002 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,003 | 0,009 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,014 | 0,003 |
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 ».