The Paediatric Palliative Screening Scale: Further validity testing
Notice bibliographique
Résumé
BACKGROUND: Paediatric palliative care is still often introduced late in the illness trajectory of children with life-limiting diseases. Translating palliative care into practice continues to be a challenge. AIM: To validate the Paediatric Palliative Screening Scale further by defining attributes that predict the need for palliative care in children between 1 and 18 years. DESIGN: Proportional-odds logistic regression analysis was performed to investigate the relationship between the attributes of the Paediatric Palliative Screening Scale and the experts' assessment of case vignettes with various combinations of different attribute characteristics. Estimates from regression analysis were transformed to empirical weightings of the Paediatric Palliative Screening Scale attribute characteristics. SETTING/PARTICIPANTS: Online questionnaires with case vignettes were sent to 33 paediatric palliative care experts from Europe, the United States, Canada, Australia and New Zealand. RESULTS: The highest weightings among the five previously defined attributes were estimated life expectancy <12 months (40% of maximum score) and preferences of the child/parents received (24%). Trajectory of disease and impact on daily activities of the child, expected outcome of treatment directed at the disease and burden of treatment, and symptom or problem burden were weighted less. CONCLUSIONS: According to this second step of psychometric testing of the Paediatric Palliative Screening Scale, the strongest and most urgent necessity indicators for a palliative care approach are life expectancy and child/family preferences. These results are somewhat discrepant with results from the previous validation of the instrument as well as previous research findings.
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 | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».