The Comparability of Functional Assessment of Chronic Illness Therapy - Fatigue Scores between Cancer and Systemic Sclerosis
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Purpose The functional assessment of chronic illness therapy-fatigue (FACIT-F) is commonly used to assess fatigue across diseases. The degree to which the FACIT-F demonstrates measurement equivalence across disease groups, however, is not known. The purpose of this study was to assess differential item functioning (DIF) of FACIT-F items between patients with cancer and systemic sclerosis (SSc or scleroderma). Methods Secondary analysis of FACIT-F data from cancer and SSc patients. Confirmatory factor analysis was used to assess the factor structure of the FACIT-F in cancer and SSc patients. The multiple-indicator, multiple-cause model was utilized to assess DIF, comparing responses from cancer and SSc patients. Results A unidimensional factor structure for the FACIT-F was demonstrated with the cancer (n = 1141), SSc (n = 1186), and combined samples. Statistically significant, but small-magnitude, DIF was found for four items. Compared to cancer patients with the same level of fatigue, SSc patients had lower scores (more fatigue) for item 2 ( bodily weakness), 7 ( energy), and 8 ( ability to perform daily activities); and higher scores (less fatigue) for item 9 ( need to sleep throughout the day). For the entire scale, SSc patients had 0.47 SD lower FACIT-F latent factor scores (more fatigue) than cancer patients. After correcting for DIF, there was a change of only 0.03 SD in this difference (0.44 SD lower). Conclusions Although statistically significant DIF was detected for four FACIT-F items, the magnitude was small and the effect on fatigue latent scores was minimal. Thus, FACIT-F scores can be used equivalently in cancer and SSc.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle