MétaCan
Menu
Retour à la cohorte
Enregistrement W2517510982 · doi:10.1017/s0266462316000271

ASPECTS OF PATIENT REPORTED OUTCOMES IN RARE DISEASES: A DISCUSSION PAPER

2016· article· en· W2517510982 sur OpenAlexaff
Alric Rüther, Deborah Elstein, Durhane Wong‐Rieger, Gordon Guyatt

Notice bibliographique

RevueInternational Journal of Technology Assessment in Health Care · 2016
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueGenomics and Rare Diseases
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésMedicineClinical trialReliability (semiconductor)Perspective (graphical)Patient-reported outcomeInterpretation (philosophy)Intensive care medicinePsychologyMedical physicsQuality of life (healthcare)Computer scienceNursingPathology

Résumé

récupéré en direct d'OpenAlex

OBJECTIVES: A patient reported outcome (PRO) is "any report of the status of a patient's health condition that comes directly from the patient without interpretation of the patient's response by a clinician or anyone else" (USFDA 2009). PROs are discussed widely, and many regard the patients' perspective on treatment benefit as very valuable. Although many PROs have shown satisfactory measurement properties including reliability, validity, and responsiveness, there is great concern about risk of bias, that is, in clinical trials. METHODS: Differences in perspectives of PRO measurement in rare diseases are given arising from methodology, clinical, HTA, and patient advocacy views. RESULTS: PROs are playing an important role in dealing with treatment benefit especially in small sample size as occurring often in rare diseases. Challenges remain especially regarding lack of responsiveness of generic measures, limited capture of all patient relevant aspects, study design and high risk of bias. CONCLUSIONS: PROs seem a valuable instrument to detect patient relevant aspects in rare diseases. They should be seen in addition to other approved assessment methods as randomized controlled trials but not as their substitute.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,120
score de la tête « metaresearch » (Gemma)0,156
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,120
Score d'incertitude au seuil0,635

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,1200,156
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,003
Bibliométrie0,0040,005
Études des sciences et des technologies0,0010,005
Communication savante0,0060,008
Science ouverte0,0010,004
Intégrité de la recherche0,0070,007
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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.

Tête enseignante Opus0,005
Tête enseignante GPT0,316
Écart entre enseignants0,310 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations19
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Technology Assessment in Health CareMême sujetGenomics and Rare DiseasesTravaux en français237 207