A Randomized Multicenter Trial to Evaluate Simple Utility Elicitation Techniques in Patients With Gastroesophageal Reflux Disease
Notice bibliographique
Résumé
BACKGROUND: Despite recommendations that patients rating their own health using utility and preference measures such as the feeling thermometer (FT) and standard gamble (SG) should also rate hypothetical marker states, little evidence supports marker state use. We evaluated whether the administration of marker states improves measurement properties of the FT and SG. METHODS: We randomized 217 patients with gastroesophageal reflux disease to complete the FT (self-administered) and SG with marker states (FT+ / SG+, n = 112) or without marker states (FT- / SG-, n = 105) before and after 4 weeks of treatment with a proton pump inhibitor, esomeprazole. Patients also completed other health-related quality of life instruments. RESULTS: The use of marker states did not influence baseline utility scores (FT+ 0.66, FT- 0.68; SG+ 0.77, SG- 0.78, on a scale from 0 [dead] to 1.0 [full health]). Improvement after therapy was 0.21 in FT+ and 0.15 in FT- (both P < 0.001; difference between FT+ and FT- = 0.06, P = 0.02). Improvement in SG+ was 0.07 (P < 0.001) and 0.06 in SG- (P = 0.003) (difference between SG+ and SG- = 0.01, P = 0.63). Correlations with other health-related quality of life scores were generally stronger, with some statistically significant differences in correlations, for FT+ compared with FT-, but tended to be weaker for SG+ compared with SG-. CONCLUSION: The administration of marker states improved the responsiveness and validity of the FT but not of the SG. Decisions about administering marker states should depend on whether the FT and SG is of primary interest and the importance of optimal validity and responsiveness relative to competing objectives such as efficiency.
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 | 0,000 | 0,002 |
| 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 ».