Core Outcomes in Aphasia Treatment Research: An e-Delphi Consensus Study of International Aphasia Researchers
Notice bibliographique
Résumé
Purpose: The purpose of this article is to identify outcome constructs that aphasia researchers consider essential to measure in all aphasia treatment research. Method: Purposively sampled researchers were invited to participate in a 3-round e-Delphi exercise. In Round 1, an open-ended question was used to elicit important outcome constructs; responses were analyzed using inductive content analysis. In Rounds 2 and 3, participants rated the importance of each outcome using a 9-point rating scale. Outcomes reaching predefined consensus criteria were further analyzed using International Classification of Functioning, Disability and Health coding. Results: Eighty researchers commenced Round 1, with 72 completing the entire survey. High response rates (≥ 85%) were achieved in subsequent rounds. Consensus was reached on 6 outcomes: (a) language functioning in modalities relevant to study aims, (b) impact of treatment from the perspective of the person with aphasia (PWA), (c) communication-related quality of life, (d) satisfaction with intervention from the perspective of the PWA, (e) satisfaction with ability to communicate from the perspective of the PWA, and (f) satisfaction with participation in activities from the perspective of the PWA. Conclusions: Consensus was reached that it is essential to measure language function and specific patient-reported outcomes in all aphasia treatment research. These results will contribute to the development of a core outcome set.
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 | 0,330 | 0,234 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,007 | 0,006 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,003 | 0,016 |
| Intégrité de la recherche | 0,004 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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.
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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».