Development and Validation of a Utility Weighting Function for the Patient-Oriented Prostate Utility Scale (PORPUS)
Notice bibliographique
Résumé
BACKGROUND: Previously, we developed a prostate cancer (PC)-specific health state classification system, the Patient Oriented Prostate Utility Scale (PORPUS). In this study, we developed a scoring system to allow indirect calculation of utilities from the PORPUS. METHODS: We interviewed 234 PC outpatients, including those with newly diagnosed and metastatic disease, to obtain rating scale (RS) values on 4 to 6 levels of each of the 10 attributes of the PORPUS, and on 10 corner states (worst level on 1 attribute, best on 9). Patients also completed standard gamble (SG) and RS tasks on 4 multiattribute states (impotence and pain corner states, mild and severe PC symptoms). We used the RS and SG scores for multiattribute states to determine a risk aversion function for mapping values to utilities. We then tested 15 different strategies to estimate the multiattribute utility function (MAUF), using the single attribute disutilities for each level of the 10 PORPUS attributes, and the disutilities for the corner states. The root mean squared error (RMSE) of prediction of the SG on the 4 multiattribute states was used to identify the optimal strategy and scoring system. RESULTS: The optimal strategy gave an RMSE of 0.06. Comparison of mean MAUF-predicted utilities to directly elicited SG utilities for the 2 multiattribute states from patients in 2 previously published studies (n = 248 and n = 141) supported the validity of the MAUF. CONCLUSIONS: The scoring system together with the PORPUS comprise an indirect utility instrument, the PORPUS-U, which can be used in clinical and research settings.
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 | 0,018 | 0,008 |
| 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) | 0,001 | 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 ».