Nghiên cứu thang điểm SPARCC và mối liên quan với một số chỉ số lâm sàng, cận lâm sàng ở bệnh nhân viêm khớp - cột sống thể trục
Bibliographic record
Abstract
Mục tiêu: Đánh giá thang điểm SPARCC và mối liên quan giữa thang điểm này với các đặc điểm lâm sàng, cận lâm sàng và các chỉ số đánh giá mức độ hoạt động bệnh ở bệnh nhân viêm khớp - cột sống thể trục. Đối tượng và phương pháp: Nghiên cứu mô tả cắt ngang được tiến hành trên 50 bệnh nhân được chẩn đoán viêm khớp - cột sống thể trục tại Bệnh viện Trung ương Quân đội 108 từ tháng 9/2023 đến tháng 4/2025. Các đặc điểm lâm sàng, cận lâm sàng và hình ảnh cộng hưởng từ khớp cùng chậu được thu thập. Thang điểm SPARCC được tính toán theo tiêu chuẩn của Hiệp hội Nghiên cứu về Viêm khớp - cột sống Canada (The spondyloarthritis research consortium of Canada). Kết quả: Điểm SPARCC trung bình là 29,28 ± 18,93. Điểm SPARCC cao hơn ở nhóm bệnh nhân có chỉ số BASDAI ≥ 4 so với nhóm có chỉ số BASDAS < 4 (p<0,05). Có mối tương quan thuận, mức độ yếu giữa điểm SPARCC với chỉ số ASDAS-CRP (r = 0,29, p=0,04) và tương quan thuận, mức độ vừa với chỉ số BASDAI (r = 0,31, p=0,02). Kết luận: Thang điểm SPARCC có giá trị trong đánh giá mức độ viêm khớp cùng chậu trên cộng hưởng từ ở bệnh nhân viêm khớp - cột sống thể trục. Điểm SPARCC có tương quan thuận mức độ yếu - vừa với các chỉ số đánh giá mức độ hoạt động bệnh và có thể là chỉ số khách quan hỗ trợ theo dõi tiến triển bệnh
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.364 | 0.147 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".