Qualitative development of the sinus control test: a survey evaluating sinus symptom control
Notice bibliographique
Résumé
BACKGROUND: Ideal management of chronic rhinosinusitis (CRS) requires ongoing monitoring of disease and its control. Existing control instruments are limited in their correlation to patient reported outcomes, the need for endoscopy, or lack of validation from a multidisciplinary group. The goal of this study was to develop a patient-based Sinus Control Test (SCT) for determining CRS control. METHODS: A systematic literature review and focus groups consisting of 20 patients and 11 medical experts in CRS from various medical specialties were used to generate items. A draft 13-item questionnaire was administered to 50 patients with CRS in a prospective fashion. Patients were evaluated using the 22-item Sino-Nasal Outcome Test (SNOT-22) instrument, Lund-Mackay computed tomography (CT) score, and Lund-Kennedy endoscopy score. A rhinologist blinded to the questionnaire results also provided an overall control of the disease for each patient. A regression model was generated to identify which subset of items showed the greatest discriminate ability in relation to specialist's and patient's global rating of disease control. RESULTS: Four questions were included in the final questionnaire (p < 0.05), each with a scale of 0 to 4, with an overall total score ranging from 0 to 16. Optimal classification resulted in patients with a score from 1 to 3 (well controlled), 4 to 11 (partially controlled), and 12 to 16 (uncontrolled). SCT scores correctly classified control levels 72% of the time when compared to physician's assessment. CONCLUSION: The SCT is a simple, patient generated questionnaire that can measure the control of CRS without requirement of endoscopy or CT evaluation.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 ».