MétaCan
Menu
Retour à la cohorte
Enregistrement W4412822350 · doi:10.1186/s12969-025-01135-x

Preliminary validation of a web-based MRI scoring system for children with chronic nonbacterial osteomyelitis (ChRonic nonbacterial Osteomyelitis Magnetic Resonance Imaging Scoring: CROMRIS)

2025· article· en· W4412822350 sur OpenAlexaff
Farzana Nuruzzaman, T. Shawn Sato, Jennifer Stimec, Ramesh S. Iyer, Andrew Carbert, Joel Paschke, Lauren Potts, Meinrad Beer, Johanna Monsalve, Anh‐Vu Ngo, Mahesh Thapa, Xiaoyue Zhang, Walter P. Maksymowych, Polly J. Ferguson, Yongdong Zhao

Notice bibliographique

RevuePediatric Rheumatology · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueOrthopedic Infections and Treatments
Établissements canadiensUniversity of AlbertaResearch CanadaHospital for Sick Children
Organismes subventionnairesUCB PharmaNational Institute of Arthritis and Musculoskeletal and Skin DiseasesCelgeneNational Institutes of HealthPfizerRheumatology Research FoundationEli Lilly and Company
Mots-clésMedicineMagnetic resonance imagingRadiologySoft tissueOsteomyelitisUsabilityTorsoTrunkSurgeryComputer scienceAnatomy

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: The ChRonic nonbacterial Osteomyelitis Magnetic Resonance Imaging Scoring (CROMRIS) tool was developed to assess specific characteristics of bone and soft tissue inflammation on MR images of patients with CNO; however, this tool was labor intensive to utilize. We aimed (1) to refine and adapt this scoring method, (2) to assess the usability of this web-based CROMRIS system among radiologists and (3) to evaluate the absolute agreement of the components and summary CROMRIS scores at each body site, and the interrater reliability. METHODS: We used a qualitative, user-centered design approach involving software developers, rheumatologists, radiologists, and a patient artist to adapt the paper-based scoring system to a web-based prototype that was further refined by monthly meetings between the group members. A clickable-schematic-based CROMRIS system was developed to include all body regions: head (skull/mandible), spine, torso (clavicle, sternum, and ribs), pelvis, hands, feet, arms, and legs. Readers scored individual bone units to indicate the presence of bone marrow hyperintensity on STIR images (score 0-1), soft tissue/periosteal hyperintensity of surrounding tissue (score 0-1), and bony expansion (score 0-1), and quantified the signal size of the CNO lesion (scores 1-3 defined as < 25%, 25-50%, or > 50% of the estimated volume, respectively). The sum of these parameters for lesions detected on fluid-sensitive sequences was the CROMIS Activity Index (maximum score 720). Feedback for usability was reported with descriptive content analysis and continuous variables as means and categorical variables as percentages. Interrater reliability was assessed by free-marginal kappa (k) statistics and the intraclass correlation coefficient (ICC). RESULTS: The mean system usability score increased from 64.5 (below average) to 75 (above average) after user feedback. Interrater reliability for the CROMRIS Activity Index was excellent for clavicle, tibia, cervical and lumbar spines (> 0.9) and good to moderate for the remainder of the body regions. The mean kappa of each category of bones was > 0.6 demonstrating substantial interrater reliability among radiologists for the bone sites most affected by CNO, namely the long bones and clavicle. CONCLUSION: The web-based CROMRIS portal developed was usable and showed substantial-moderate agreement in the total CROMRIS Activity Index total scores among experienced radiologists after self-guided learning of the atlas and video. This tool can potentially be used in future clinical trials after calibration.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,052
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,004
Tête enseignante GPT0,230
Écart entre enseignants0,226 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePediatric RheumatologyMême sujetOrthopedic Infections and TreatmentsTravaux en français237 207