Reducing the burden of patient reporting of physical function in the chronic care of cancer survivors through a branching logic electronic symptom survey (BLESS).
Notice bibliographique
Résumé
5 Background: A patient’s functional status is a key outcome variable used to both measure and improve quality of care in cancer survivors. However, comprehensive research tools such as the HAQ-DI and WHODAS instruments pose 35 questions altogether, increasing patient reporting burden. We evaluated whether a BLESS could be developed with high sensitivity of screening questions followed by questions relevant to specific physical function domain, through a branching logic algorithm. Methods: Adult cancer clinic outpatients at Princess Margaret Cancer Centre used tablet technology to complete the HAQ-DI, WHODAS, EQ-5D-3L and PRO-ECOG. BLESS was developed as an algorithm that used PRO-ECOG/EQ-5D-3L to screen for appropriate domains of HAQ-DI/WHODAS to query. Sensitivity/specificity of BLESS screeners to HAQ-DI/WHODAS items were reported. BLESS derived physical function scores were also compared to scores generated by the full version of WHODAS/HAQ-DI. Results: Of 407 patients,median age was 62 (range 20-93) years, 51% female, 75% Caucasian, with a median EQ-5D-3L index score of 0.83 (0.31-1.00), and WHODAS of 6.0 (0-37). Of cancer sites, 14% had breast, 11% GI, 11% GU, 18% head/neck, 10% thoracic, 18% hematologic, and 15% gynecologic cancers. 34% were stage III-IV; 72% were treated for curative intent. Using the sum of mobility, self-care, and usual activities dimensions of the EQ-5D-3L to dichotomize patients as with or without difficulty, we found an area under the receiver operating curves that was > 90% when comparing to recommended WHODAS and HAQ cut-offs for significant physical dysfunction. Using BLESS, 38% of our clinic outpatients need answer only 5 questions, generating derived-WHODAS scores with no median difference when compared to reported scores; sensitivity of screeners for each WHODAS/HAQ-DI item ranged from 92-100%. Overall, median number of questions asked was 9. Conclusions: By focusing on relevance, BLESS maintained high sensitivity with a dramatic decrease in question burden compared to traditional research surveys for physical function. BLESS is suitable for use in immediate, routine screening of chronic care outcomes.
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 | 0,005 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».