The psychometric properties of patient preferences in osteoporosis.
Notice bibliographique
Résumé
OBJECTIVE: Osteoporosis is a chronic disease manifested by wrist, vertebral, and hip fractures that results in significant morbidity and burden to society. About 30% of postmenopausal women have osteoporosis according to the WHO criteria. Women with one vertebral fracture have a 4-fold increased risk of a subsequent fracture. The goal of treatment is to prevent fractures and improve quality of life. Preferences or utilities are now recommended for incorporating quality of life into evaluations of the cost effectiveness of new therapeutic interventions. We evaluated the psychometric properties of preference based measures in osteoporosis. METHODS: Preference scenarios were constructed with a health state classification system. The reliability and validity of the feeling thermometer and the standard gamble was assessed by interviewing 42 women from 4 different patient groups. The sensitivity to change of the feeling thermometer and standard gamble was compared with the Health Utilities Index Mark 2 (HUI2) and SF-36. All subgroups were reassessed about 2 months after their first interview. RESULTS: Preference measurement was feasible in women of different age groups. The reliability coefficients for health states ranged from 0.65 to 0.87. The preference scores for the marker states demonstrated content validity. Convergent validity of the feeling thermometer was supported by a significant correlation with the HUI2 (r = 0.38, p < 0.05) and the physical health summary of the SF-36 (r = 0.56, p < 0.005). The standard gamble did not correlate with the HUI2 (r = 0.15) or the feeling thermometer (r = 0.09), but correlated with 2 domains of the SF-36. The preference measures were sensitive to change, with the efficiency scores ranging from 0.78 to 1.0. CONCLUSION: Preference measurements in the evaluation of osteoporosis are feasible. The feeling thermometer and standard gamble appear to be related to different aspects of health related quality of life. Both instruments were sensitive to change over a 2 month period.
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 | 0,019 | 0,077 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».