Disease Activity Assessment Frequency in Rheumatoid Arthritis: A Retrospective Observational Study of the Medical Support System for Rheumatoid Arthritis System Implementation
Notice bibliographique
Résumé
Background: Rheumatoid arthritis (RA) is a global health concern with increasing prevalence. Despite recommendations for regular disease activity assessments, their implementation in routine clinical practice remains challenging. The Medical Support System for Rheumatoid Arthritis (MiRAi) is an offline, semi-automated system that calculates disease activity indices by integrating patient and clinician inputs from electronic health records (EHRs). Objective: This study evaluated the association between MiRAi implementation and the frequency of disease activity assessments in patients with RA. Methods: We conducted a retrospective cohort study of patients with RA treated at a tertiary hospital in Japan between April 2022 and March 2023. We included all adult outpatients (aged ≥18 years) with RA diagnosed according to the 2010 ACR/EULAR [American College of Rheumatology/European Alliance of Associations for Rheumatology] classification criteria. The hospital introduced MiRAi in June 2022 and achieved full deployment by October 2022. MiRAi calculated the clinical disease activity index (CDAI) and the modified health assessment questionnaire (mHAQ) through automated extraction of joint counts, patient global assessment, and functional status from structured EHR fields. Primary outcomes included the frequency of CDAI and mHAQ assessments. We administered a structured post-implementation survey to assess rheumatologists' perceptions of MiRAi. Results: Physicians used MiRAi for 236/884 (26.7%) patients with RA. Patients with documented CDAI and mHAQ scores increased from 29 (5.9%) in June 2022 to 81 (19.0%) in November 2022, representing a 3.2-fold increase. Among surveyed rheumatologists (n=10), 5 (50%) reported the regular use of MiRAi. Physicians who regularly used MiRAi (n=5) cited improved accuracy in disease assessment and enhanced treatment decision-making. Non-users and occasional users (n=5) identified three primary barriers: limited familiarity with MiRAi, time constraints, and discrepancies between clinical judgment and MiRAi-generated outputs. Despite MiRAi's availability, only 168 (19%) patients underwent quantitative disease activity assessment by the study end. Among 15 patients with high disease activity (CDAI >22), physicians recorded 3 treatment modifications and 2 intra-articular steroid injections. Conclusions: MiRAi implementation increased disease activity assessment frequency by 3.2-fold over 6 months; however, physician adoption remained at 26.7%, below the 80% target for routine care. Future implementation strategies should address identified barriers through system integration, structured user training, and workflow optimization to achieve guideline-concordant care for patients with RA.
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 | 0,003 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».