Development of a Bilingual MS-Specific Health Classification System
Notice bibliographique
Résumé
OBJECTIVE: The global aim of this study was to contribute to the development of the Preference-Based Multiple Sclerosis Index (PBMSI). The specific objective of this foundational work was to qualitatively review the items selected for inclusion in the PBMSI using expert and patient feedback. METHODS: Cognitive interviews were conducted with patients with multiple sclerosis (MS) in English and French. The verbal probing method was used to conduct the interviews. For each PBMSI item, the interviewer probed for specific information on what types of difficulty participants had with the item and the basis for their response for each item. Furthermore, respondents were asked to provide information on the clarity of the item, the meaning of the item, the appropriateness of the response options, and the recall period. All interviews were recorded using a digital voice recorder and were transcribed onto a computer. RESULTS: The mean age of the 22 respondents was 52 years, and 82% were women. Mean time since diagnosis was 12 years, and the highest level of education completed was university or college for 86% of the sample. Modifications were made to each item in terms of recall period, instructions, and phrasing. CONCLUSIONS: Patient and expert feedback allowed us to clarify items, simplify language, and make items more uniform in terms of their instructions and response options. This qualitative review process will increase accuracy of reporting and reduce measurement error for the PBMSI.
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 | 0,014 | 0,033 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,005 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,004 |
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 ».