Development and Validation of the Lupus Impact Tracker: A Patient‐Completed Tool for Clinical Practice to Assess and Monitor the Impact of Systemic Lupus Erythematosus
Notice bibliographique
Résumé
OBJECTIVE: To derive and validate a brief patient-completed instrument, the Lupus Impact Tracker (LIT), to assess and monitor the impact of systemic lupus erythematosus (SLE). METHODS: Items for the LIT were selected from the LupusPRO, a validated patient-reported outcomes measure, using 3 approaches: confirmatory factor analysis (CFA), stepwise regression, and patient focus groups. CFA was conducted to find items from the LupusPRO that fit a unidimensional structure to allow scoring as a single index. Stepwise regression methods identified items with the strongest relationship (convergent validity) with disease activity measures and patient health rating. Focus groups (n = 26 patients) identified the most important items describing SLE impact. Selected items were evaluated for reliability and validity. RESULTS: CFA found 21 items that fit a unidimensional structure. Stepwise regressions identified 15 of 21 items having good convergent validity with clinical measures. Patient focus groups identified 9 of 15 items as best capturing the impact of SLE. Overall, 7 items were selected across all 3 approaches (CFA, stepwise regression, and focus groups). Another 15 items were selected across 2 approaches. Through consensus with rheumatology clinician experts, a final set of 10 items was selected for the LIT. The LIT items showed good internal consistency (0.89) and test-retest reliabilities (0.87). Mean LIT scores differed significantly (P < 0.05) across criterion groups in the hypothesized direction, providing evidence of discriminant validity and responsiveness. CONCLUSION: The LIT is reliable and valid in SLE patients and offers a practical way for physicians and patients to assess and monitor the impact of SLE.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».