Standardization of Lesion Classification and Assessment by Investigators in Clinical Trials for Hidradenitis Suppurativa
Notice bibliographique
Résumé
Importance: Accurate classification and reliability in assessment for lesions of hidradenitis suppurativa (HS) by investigators is critical to the determination of responder status and to overall data quality in clinical trials. Objective: To establish consensus-based morphological definitions of HS lesions and guidance statements that standardize investigator lesion assessments for implementation in clinical trials. Evidence Review: Health professionals (primarily dermatologists) with expertise in the measurement of HS disease activity as well as novice raters completed a preliminary questionnaire in which participants were asked to assess images of HS lesions and provide qualitative feedback on their decision making. Based on this feedback, detailed morphologic definitions for lesions and guidance statements that standardize lesion assessments were formulated and presented for consensus voting in 2 electronic Delphi surveys. A virtual group discussion after round 1 supported participants in round 2 voting. Findings: Response rates were 84.7% (50 of 59), 86.0% (43 of 50), and 90.9% (40 of 44) in the preliminary, electronic Delphi round 1, and electronic Delphi round 2 surveys, respectively. Morphological definitions for 11 lesion types achieved the prespecified 70% consensus threshold, with 9 definitions reaching at least 90% agreement. After 2 electronic Delphi rounds, 16 of 18 guidance statements achieved the prespecified consensus threshold, with 13 statements receiving endorsement from more than 80% of participants. Two guidance statements related to assessment of tunneled plaques with multiple openings and assessment of scalp lesions failed to reach consensus. Conclusions and Relevance: Common morphologic definitions and guidance that standardize assessment of HS lesions can be implemented in clinical trial protocols and investigator trainings with the goals of improving accuracy and reliability of investigator ratings.
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 | 0,831 | 0,863 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,006 | 0,006 |
| Bibliométrie | 0,007 | 0,008 |
| Études des sciences et des technologies | 0,003 | 0,008 |
| Communication savante | 0,010 | 0,011 |
| Science ouverte | 0,006 | 0,007 |
| Intégrité de la recherche | 0,007 | 0,006 |
| 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 ».