Systematic Review of Discriminating Power of Outcome Measures Used in Clinical Trials of Fibromyalgia
Notice bibliographique
Résumé
OBJECTIVE: Fibromyalgia (FM) comprises many symptoms and features. Consequently, studies on the condition have used a wide variety of outcome measures and assessment instruments. We investigated those outcome measures and instruments in association with the OMERACT (Outcome measures in Rheumatoid Arthritis Clinical Trials) FM Workshop initiative to define core outcome measures that should be used to assess FM. METHODS: A systematic literature review up to December 2007 was carried out using the keywords "fibromyalgia," "treatment" or "management," and "trial." Data were extracted on outcome measures and assessment instruments used and the pre and post mean and standard deviation to calculate effect sizes (ES). Further sensitivity analysis was carried out according to treatment type, blinding status, and study outcome. RESULTS: The outcome domains identified fell largely within those defined by OMERACT. Morning stiffness was frequently assessed and therefore has been included here. The number of assessment instruments used was wide-ranging, so sensitivity analysis was only carried out on the top 5 within each domain. ES ranged from 0.54 to 3.77 for the key OMERACT domains. Health-related quality of life (HRQOL) was the only exception that had no instrument with moderate sensitivity. Of the secondary domains, dyscognition was lacking any sensitive instrument, as were fatigue and anxiety in pharmacological trials. CONCLUSION: Each of the key OMERACT domains has an instrument that appears to be sensitive to change, with the exception of HRQOL, which requires further research. Dyscognition, fatigue, and anxiety would all benefit from more research into their assessment instruments.
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 | 0,032 | 0,045 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,021 | 0,003 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».