P0350 Asia Pacific Association of Gastroenterology consensus statements on histopathological evaluation of Inflammatory Bowel Diseases
Notice bibliographique
Résumé
Abstract Background Mucosal histological activity is increasingly valued as a treatment endpoint in inflammatory bowel diseases (IBD). In the Asia Pacific region, however, the utility and acceptability of IBD histology as a treatment endpoint is uncertain due to the heterogeneity of IBD prevalence, resourcing, and level of knowledge among practitioners. There is an opportunity to engage clinicians to harmonise histology reporting and collaborate with pathologists in this field. To this end, we developed statements to determine their consensus through anonymous voting on histological features, processing, reporting, and relevance to treatment outcomes in ulcerative colitis and Crohn’s disease. Methods Representatives of the Asia Pacific Association of Gastroenterology, in collaboration with pathologists, voted anonymously in accordance with modified Delphi methodology on statements relevant to IBD and histology. Domains of interest were histological features of ulcerative colitis and Crohn’s disease, relevance to clinical management, and the potential utility of artificial intelligence in grading histological disease severity. Level of evidence and recommendation grade were included in accordance with the NHMRC guidelines of Australia. Results Consensus was reached on 37 statements concerning definitions, pathology processing and reporting, scoring system, and relevance to clinical outcomes (Figure). There was uncertainty on escalating treatment when histological remission is not achieved, preventing consensus on this statement. Knowledge gaps were identified over the role of artificial intelligence. Conclusion These consensus statements provide recommendations, with specific relevance to the Asia Pacific region, on the role of histology in IBD ways to harmonise its use. The consensus statements will promote understanding and applicability in research and in the routine management of IBD.
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 | 0,166 | 0,269 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,004 |
| Bibliométrie | 0,007 | 0,006 |
| Études des sciences et des technologies | 0,003 | 0,004 |
| Communication savante | 0,007 | 0,005 |
| Science ouverte | 0,006 | 0,010 |
| Intégrité de la recherche | 0,011 | 0,010 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,014 | 0,009 |
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 ».