Mapping EORTC QLQ-C30 and QLQ-MY20 to EQ-5D in patients with multiple myeloma
Notice bibliographique
Résumé
BACKGROUND: In oncology, health-related quality of life (HRQoL) data are often collected using disease-specific patient questionnaires while generic, patient-level utility data required for health economic modeling are often not collected. METHODS: We developed a mapping algorithm for multiple myeloma that relates HRQoL scores from the European Organization for Research and Treatment of Cancer (EORTC) questionnaires QLQ-C30 and QLQ-MY20 to a utility value from the European QoL-5 Dimensions (EQ-5D) questionnaire. Data were obtained from 154 multiple myeloma patients who had participated in a multicenter cohort study in the UK or Germany. All three questionnaires were administered at a single time point. Scores from all 19 domains of the QLQ-C30 and QLQ-MY20 instruments were univariately tested against EQ-5D values and retained in a multivariate regression model if statistically significant. A 10-fold cross-validation model selection method was also used as an alternative testing means. Two models were developed: one based on QLQ-C30 plus QLQ-MY20 scores and one based on QLQ-C30 scores alone. Adjusted R-squared, correlation coefficients, and plots of observed versus predicted EQ-5D values were presented for both models. RESULTS: Mapping revealed that Global Health Status/QoL, Physical Functioning, Pain, and Insomnia were significant predictors of EQ-5D utility values. Similar results were observed when QLQ-MY20 scores were excluded from the model, except that Emotional Functioning and became a significant predictor and Insomnia was no longer a significant predictor. Adjusted R-squared values were of similar magnitude with or without inclusion of QLQ-MY20 scores (0.70 and 0.69, respectively), suggesting that the EORTC QLQ-MY20 adds little in terms of predicting utility values in multiple myeloma. CONCLUSIONS: This algorithm successfully mapped EORTC HRQoL data onto EQ-5D utility in patients with multiple myeloma. Current mapping will aid in the analysis of cost-effectiveness of novel therapies for this indication.
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 | 0,016 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».