Derivation of normative data for the COPD assessment test (CAT)
Notice bibliographique
Résumé
BACKGROUND: The tradition classification of the severity of COPD, based on spirometry, fails to encompass the heterogeneity of the disease. The COPD assessment test (CAT), a multi-dimensional, patient-filled questionnaire, assesses the overall health status of patients, and is recommended as part of the assessment of individuals with COPD. However, information regarding the range of values for the test in a non-COPD population (normative values) is limited, and consequently, knowledge regarding the optimal cut-off, and the minimum clinically important difference (MCID) for the test remain largely empirical. METHODS: CanCOLD is a population-based multi-center cohort study conducted across Canada, the methodology of which is based on the international BOLD initiative. The study includes subjects with COPD, at-risk individuals who smoke, and healthy control subjects. CAT questionnaires were administered at baseline to all subjects. Among non-COPD subjects, normative values for the CAT questionnaire, and psychometric properties of the test were characterized. Predictors of high CAT scores were identified using multivariable logistic regression. RESULTS: Of the 525 non-COPD subjects enrolled, 500 were included in the analysis. Mean FEV1/FVC ratio among the 500 included subjects was 0.77 (SD 0.49); the mean predicted FEV1 was 99.38% (SD 16.88%). The overall mean CAT score was 6 (SD 5.09); scores were higher among females (6.43, SD 5.59), and subjects over 80 years of age (mean 7.58, SD 6.82). Cronbach alpha for the CAT was 0.79, suggesting a high internal consistency for the test. A score of 16 was the 95th percentile for the population, and 27 subjects (5.4%) were found to have a CAT score > =16. Current smoking (aOR 3.41, 95% CI 1.05, 11.02), subject-reported physician-diagnosed asthma (aOR 7.59, 95% CI 2.71, 21.25) and musculoskeletal disease (aOR 4.09, 95% CI 1.72, 9.71) were found to be significantly associated with a score ≥16. CONCLUSIONS: The characterization of CAT scores in the general population will be useful for norm-based comparisons. Longitudinal follow-up of these subjects will help in the optimization of cut-offs for the test.
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 | 0,006 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| 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; 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 ».