Interpreting clinically significant changes in patient‐reported outcomes
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: The goal of this study was to determine what magnitude of change in a patient-reported outcome score is clinically meaningful, so a clinicians' guide may be provided for estimating the minimal important difference (MID) when empiric estimates are not available. METHODS: Consecutive laryngeal cancer patients (n = 98) rated their quality of life (QOL) relative to other patients. These comparisons were contrasted with arithmetic differences in scores on the Functional Assessment of Cancer Therapy-Head and Neck (FACT-H&N) scale, Functional Assessment of Cancer Therapy-General (FACT-G) scale, 2 utility measures (the time tradeoff [TTO] and Daily Active Time Exchange [DATE]), and performance status (Karnofsky) scores. RESULTS: The FACT-H&N score needed to differ by 4% for average patients to rate themselves as "a little bit better" relative to other patients (95% CI, 1%-8%) and by 9% to rate themselves as "a little bit worse" relative to others (95% CI, 4%-13%). The corresponding values for other measures were FACT-G 4% (1%-7%) and 8% (95% CI, 5%-11%); TTO 5% (95% CI, 0%-11%) and 6% (95% CI, 0%-10%); DATE 5% (95%CI, 2%-9%) and 14% (95% CI, 0%-5%); Karnofsky 4% (95% CI, 1%-6%) and 10% (95% CI, 7%-13%). In each case, the minimal important difference (MID) was about 5% to 10% of the instrument range. CONCLUSIONS. One rule of thumb for interpreting a difference in QOL scores is a benchmark of about 10% of the instrument range. Patients appear to be more sensitive to favorable differences, so an improvement of 5% may be meaningful. This simple benchmark may be useful as a rough guide to meaningful change.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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