Psychometric Properties and Validation of the Standard Patient Evaluation of Eye Dryness Questionnaire
Notice bibliographique
Résumé
PURPOSE: To characterize the psychometric properties of the standard patient evaluation of eye dryness (SPEED) questionnaire and to validate and compare its performance with 4 existing dry eye questionnaires. METHODS: A total of 50 subjects (40 female and 10 male) were enrolled; of these, 30 were symptomatic and 20 asymptomatic, as determined using the ocular surface disease index (OSDI). This study consisted of 2 visits in which all subjects completed 5 different dry eye questionnaires (SPEED, OSDI, dry eye questionnaire, McMonnies dry eye questionnaire, and subjective evaluation of symptom of dryness) in random order at each visit. Clinical measurements were obtained on the first visit. Repeatability was determined using concordance correlation coefficient; dimensionality was determined using principal component, factor, and Rasch analyses; and validity was determined by comparing SPEED scores with dry eye diagnosis based on OSDI (primarily using receiver-operator curve analysis). RESULTS: The SPEED questionnaire data were found to be unidimensional and repeatable. Three principal components (dryness, burning, and soreness/fatigue) were identified and SPEED between visit concordance correlation coefficient was 0.923 (95% confidence interval, 0.868-0.955). The area under the receiver-operator curves was 0.928. The only clinical measures that correlated "well" with SPEED questionnaire scores were corneal staining (P < 0.05), meibomian gland score (P < 0.05), and meibomian glands yielding liquid secretion score (P < 0.05). CONCLUSIONS: The SPEED questionnaire was shown to be a repeatable and valid instrument for measurement of dry eye symptoms. The SPEED score also correlated significantly with ocular surface staining and clinical measures of meibomian gland function.
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 | 0,013 | 0,036 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| 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 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 ».