How Well Do Standard Stroke Outcome Measures Reflect Quality of Life?
Notice bibliographique
Résumé
BACKGROUND AND PURPOSE: Quality of life (QoL) is important to stroke survivors yet is often recorded as a secondary measure in acute stroke randomized controlled trials. We examined whether commonly used stroke outcome measures captured aspects of QoL. METHODS: We examined primary outcomes by National Institutes of Health Stroke Scale (NIHSS), Barthel Index (BI) and modified Rankin Scale (mRS), and QoL by Stroke Impact Scale (SIS) and European Quality of Life Scale (EQ-5D) from the Virtual International Stroke Trials Archive (VISTA). Using Spearman correlations and logistic regression, we described the relationships between QoL mRS, NIHSS, and BI at 3 months, stratified by respondent (patient or proxy). Using χ2 analyses, we examined the mismatch between good primary outcome (mRS ≤1, NIHSS ≤5, or BI ≥95) but poor QoL, and poor primary outcome (mRS ≥3, NIHSS ≥20, or BI ≤60) but good QoL. RESULTS: Patient-assessed QoL had a stronger association with mRS (EQ-5D weighted score n=2987, P<0.0001, r=-0.7, r2=0.53; SIS recovery n=2970, P<0.0001, r=-0.71, r2=0.52). Proxy responses had a stronger association with BI (EQ-5D weighted score n=837, P<0.0001, r=0.78, r2=0.63; SIS recovery n=867, P<0.0001, r=0.68, r2=0.48). mRS explained more of the variation in QoL (EQ-5D weighted score=53%, recovery by SIS v3.0=52%) than NIHSS or BI and resulted in fewer mismatches between good primary outcome and poor QoL (P<0.0001, EQ-5D weighted score=8.5%; SIS recovery=10%; SIS-16=4.4%). CONCLUSIONS: The mRS seemed to align closely with stroke survivors' interests, capturing more information on QoL than either NIHSS or BI. This further supports its recommendation as a primary outcome measure in acute stroke randomized controlled trials.
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 | 0,001 | 0,001 |
| 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) | 0,001 | 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 ».