Getting Ready for Patient-Reported Outcomes Measures (PROMs) in Clinical Practice
Notice bibliographique
Résumé
Patient-reported outcome measures (PROMs) include reports and ratings provided by patients or their proxies about their health, functioning, health behaviours and quality of care. PROMs reflect the patient perspective and increase the comprehensiveness of outcome measurement in clinical research. There is growing interest in using PROMs in clinical practice: for screening, monitoring and improving communication at the individual level; and to aid in decision-making, monitor populations and assess quality in the aggregate. For use in clinical practice, the authors draw an analogy to getting to the prom (a North American graduation dance). Whom to go with? They recommend seeking a group of partners and developing methods and standards with national and international groups. The authors advocate for incentives to encourage broad participation. What to wear? They suggest selecting existing, well-tested PROMs and highlight the ability of dynamic questionnaires to provide tailored assessments. How to get there? The authors recommend web-based formatting of measures and results, using their system, PatientViewpoint, as an example. How to get the most out of the experience? They discuss the variety of applications of PROMs data and recommend providing clinicians with actions that they can take to mitigate problems in non-clinical domains.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,046 | 0,166 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,005 | 0,007 |
| Communication savante | 0,005 | 0,011 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,044 | 0,037 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,006 |
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 source (Gemma direct ou Codex distillé), 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 ».