Development of the 2023 <scp>ACR</scp> / <scp>EULAR</scp> Antiphospholipid Syndrome Classification Criteria, Phase <scp>III</scp> ‐C Report: Assessment of Patient Scenarios (Derivation Cohort) and Refinement of Definitions
Notice bibliographique
Résumé
Objective The 2023 American College of Rheumatology (ACR)/EULAR antiphospholipid syndrome (APS) classification criteria aim to identify patients with a high likelihood of APS for research. Phases I/II of our four‐phase methodologic approach resulted in 27 candidate criteria organized in clinical and laboratory domains. Here, we summarize phase III efforts to reduce and refine criteria using patient scenarios. Methods Using standardized definitions for candidate criteria, the Steering Committee collected antiphospholipid antibody (aPL)–positive cases referred for “suspected APS.” Treating physicians assessed APS case likelihood using a Likert scale. Poisson regression calculated risk ratios (RRs) and 95% confidence intervals (CIs) to quantify the direction and size of the association of candidate criteria with “highly likely” versus “equivocal or unlikely” APS, which guided Steering Committee candidate criteria refinement and organization. Results We collected 314 suspected APS cases (137 [44%] highly likely and 177 [56%] equivocal/unlikely APS). Provoking venous thromboembolism (VTE) or arterial thrombosis (AT) risk factors reduced the size of the association with highly likely APS (RR 4.31 [95% CI 2.11–8.78] to RR 1.56 [95% CI 0.89–2.75] for VTE and RR 3.48 [95% CI 1.91–6.32] to RR 1.64 [95% CI 0.77–3.51] for AT). Persistent lupus anticoagulant, anticardiolipin IgG antibody ≥40 U, and anti–β 2 ‐glycoprotein‐I IgG antibody ≥40 U were positively associated with highly likely APS (all P < 0.05). Eventually, items within eight additive and independent clinical and laboratory domains were refined. Conclusion Referred suspected APS cases provided insight into associations of individual candidate criteria with APS likelihood. RR analyses helped refine items and organize the draft classification system into eight additive and independent clinical and laboratory domains.
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 | 0,196 | 0,179 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».