Content and Criterion Validity of the Preliminary Core Dataset for Clinical Trials in Fibromyalgia Syndrome
Notice bibliographique
Résumé
OBJECTIVE: Increasing research interest and emerging new therapies for treatment of fibromyalgia (FM) have led to a need to develop a consensus on a core set of outcome measures that should be assessed and reported in all clinical trials, to facilitate interpretation of the data and understanding of the disease. This aligns with the key objective of the Outcome Measures in Rheumatology (OMERACT) initiative to improve outcome measurement through a data driven, interactive consensus process. METHODS: Through patient focus groups and Delphi processes, working groups at previous OMERACT meetings identified potential domains to be included in the core data set. A systematic review has shown that instruments measuring these domains are available and are at least moderately sensitive to change. Most instruments have been validated in multiple languages. This pooled analysis study aims to develop the core data set by analyzing data from 10 randomized controlled trials (RCT) in FM. RESULTS: Results from this study provide support for the inclusion of the following in the core data set: pain, tenderness, fatigue, sleep, patient global assessment, and multidimensional function/health related quality of life. Construct validity was demonstrated with outcome instruments showing convergent and divergent validity. Content and criterion validity were confirmed by multivariate analysis showing R square values between 0.4 and 0.6. Low R square value is associated with studies in which one or more domains were not assessed. CONCLUSION: The core data set was supported by high consensus among attendees at OMERACT 9. Establishing an international standard for RCT in FM should facilitate future metaanalyses and indirect comparisons.
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 | 0,010 | 0,005 |
| 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 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 ».