Quantifying Cutaneous Dermatomyositis: A Novel 3D Image–Based Approach
Notice bibliographique
Résumé
Objective Visual examination of skin lesions has considerable subjectivity and interrater variability. This study assessed the feasibility of a 3D image–based assessment of cutaneous disease activity in dermatomyositis (DM). Methods Patients with DM were evaluated in a prospective study at 2 timepoints for skin rash assessment using the Cutaneous Dermatomyositis Disease Area and Severity Index (CDASI) and 3D images. A 3D image disease activity score (3DAS) was calculated based on the percentage of the rashes relative to the total body surface area, multiplied by the degree of rash redness. The construct validity and responsiveness of 3DAS were evaluated using the Spearman correlation coefficient ( r ) against standard CDASI and patient-reported outcome measures (PROMs). A generalized linear regression model assessed the relationship between the 3D image–derived rash area and redness with the CDASI score. Results Twenty-seven patients with DM (81.5% female, 96.3% White; median age 50.0 years) were enrolled. The median (IQR) CDASI score at baseline was 6.0 (IQR 0.0-17.0). For the construct validity, 3DAS correlated strongly with the CDASI ( r = 0.83; P < 0.001) and PROMs. The generalized linear regression analysis identified the rash area and redness from 3D images as significant predictors of the CDASI score. Regarding responsiveness, absolute changes from baseline in the 3DAS correlated strongly with the CDASI score ( r = 0.61; P = 0.004). Conclusion Our results demonstrate favorable validity and responsiveness of the 3D images for evaluating rashes in patients with DM. The 3D image–derived rash area and redness are significant predictors of CDASI scores.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 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) | 0,002 | 0,001 |
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 ».