Diagnosis and Assessment of Psoriasis for the Rheumatologist: A Workshop From the GRAPPA 2024 Annual Meeting
Notice bibliographique
Résumé
Rheumatologists and other nondermatologists often encounter patients with psoriatic arthritis (PsA) who present with cutaneous diseases that mimic psoriasis (PsO). Cutaneous disorders including tinea, seborrheic dermatitis, eczema, pityriasis rubra pilaris, syphilis, or cutaneous lymphoma are commonly mistaken for PsO. It is crucial for rheumatologists and other nondermatologists to recognize alternative conditions and to consider referral to dermatology when skin disease is not responding to therapy. Correct diagnosis is important when assessing disease severity in clinical practice as well. Although the Psoriasis Area and Severity Index (PASI) and the Dermatology Life Quality Index (DLQI) are gold standards for physician- and patient-reported outcomes in clinical trials, they are not practical to deploy in busy clinical practice. Use of a physician global assessment (PGA), body surface area using a handprint method, and informal patient-reported outcomes can be useful in documenting the burden of disease. A treat-to-target approach using a PGA of clear/almost clear is ideal. At the Group for Research and Assessment of Psoriasis and Psoriatic Arthritis (GRAPPA) 2024 annual meeting, a 2-part workshop was conducted for rheumatologists to first review skin disorders commonly mistaken for PsO, and second, to review outcome measures best suited for clinical practice.
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 | 0,008 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,005 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,006 |
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 ».