Lipodystrophy Severity Score to Assess Disease Burden in Lipodystrophy
Notice bibliographique
Résumé
CONTEXT: Lipodystrophy syndromes are rare disorders characterized by deficient adipose tissue, leading to insulin resistance, dyslipidemia, and organ system abnormalities. OBJECTIVE: Our goal was to develop a lipodystrophy severity score (LDS) to holistically capture the diverse manifestations of lipodystrophy into a numerical score to aid in prediction of clinical outcomes and/or treatment impact. DESIGN: An 8-domain LDS was developed by 8 disease experts in consultation with patient organizations. The LDS was rated for feasibility and content validity by 28 additional clinicians and 9 patient representatives. LDS was compared to the Clinical Global Impression (CGI) of severity for 20 putative patient profiles, each at 2 different time points, and by comparing change in LDS to global impression of change. For external validation, LDS was calculated in 2 cohorts of patients with lipodystrophy treated with metreleptin. RESULTS: LDS domains include Diabetes/Insulin Resistance, Microvascular Complications of Diabetes, Lipids, Cardiovascular, Liver, Kidney, Reproductive, and Other. Each domain is assessed by 1 or more questions assessing both lifetime and recent complications of lipodystrophy. The LDS had high content validity and feasibility and high reliability by intraclass correlation coefficients (>0.95). Global and domain-specific LDS were strongly correlated with CGI, as were changes in scores across visits (R = 0.79-0.99, P < .001 for all). In generalized lipodystrophy, metreleptin significantly reduced LDS (from 46 to 26 at 12 months, P < .001). The reductions were smaller in partial lipodystrophy (from 65 to 61 at 12 months, P = .04). CONCLUSION: The LDS can reflect the severity of diverse manifestations of lipodystrophy and monitor changes following interventions.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».