Using technology to improve longitudinal studies: self‐reporting with ChronoRecord in bipolar disorder
Notice bibliographique
Résumé
OBJECTIVES: Longitudinal studies are an optimal approach to investigating the highly variable course and outcome associated with bipolar disorder, but are expensive and often have missing data. This study validates patient self-reported mood ratings using a home computer-based system (ChronoRecord) with clinician mood ratings on the Hamilton Depression Rating scale (HAMD) and Young Mania Rating scale (YMRS), and investigates the patient acceptance of the technology. METHODS: After brief training, outpatients with bipolar disorder were given the software version of an established paper based self-reporting form (ChronoSheet) to install on a home computer. Every day for 3 months, patients entered mood, medications, sleep, life events, and menstrual data. Weight was entered weekly. RESULTS: Eighty of 96 (83%) patients returned 8662 days of data. The mean days of data returned was 114.7 +/- 32.3 SD The mean percentage of days missing for mood data was 6.1% +/- 9.3 SD, equivalent to missing 7.3 day of the 114.7 days. Self-reported ratings were strongly correlated with clinician HAMD ratings (-0.683, p < 0.001). CONCLUSIONS: This study demonstrates concurrent validity between ChronoRecord and HAMD. Patients with bipolar disorder showed high acceptance of a computer-based system for self-reporting of daily data. Automation of data collection can reduce missing data and eliminate errors associated with data entry. This technology also enables on-going feedback for both patient and researcher during a long-term study.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| 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) | 0,000 | 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 ».