Validation of a Self-Report Comorbidity Questionnaire for Multiple Sclerosis
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND/AIMS: Researchers increasingly recognize the high frequency of comorbidity in multiple sclerosis (MS) and the negative impact on quality of life and disability, but little work has evaluated methods of comorbidity measurement in MS. We aimed to validate a self-report questionnaire for assessing comorbidity in MS. METHODS: Patients with MS were recruited from the MS Clinic in Winnipeg, Canada and the Mellen Center (Cleveland Clinic, Cleveland, Ohio, USA) from October 2008 to 2009. Using a questionnaire, participants reported the presence or absence of 36 comorbidities, sociodemographic characteristics, and disability status. Abstractors blinded to questionnaire results collected data regarding the comorbidities of interest and their treatments. Using the medical record as the gold standard, we determined the sensitivity, specificity, positive and negative predictive values of the questionnaire data. To measure agreement we calculated kappa (kappa) statistics. RESULTS: We enrolled 404 participants. Agreement between self-report and medical records was high (kappa >0.82) for diabetes and hypertension; substantial (kappa = 0.62-0.80) for hyperlipidemia, thyroid disease, glaucoma, and lung disease; moderate (kappa = 0.43-0.56) for osteoporosis, irritable bowel syndrome, migraine, depression, heart disease, and anxiety disorders. Agreement was slight to fair for the remaining comorbidities. CONCLUSIONS: Self-report is a valid way to capture comorbidities affecting MS patients.
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.
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 | 0,001 | 0,034 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 découle