Routine physical function assessment through a Branching Logic Electronic Symptom Survey (BLESS) vs. the 32-combined item HAQ-DI + WHODAS (HW) survey: A quality improvement controlled trial.
Notice bibliographique
Résumé
136 Background: Routine outpatient physical function assessment can improve quality of care by prioritizing supports for specific patients. However, conventional research surveys including the 32-combined item HAQ-DI + WHODAS (HW) may be burdensome to patients. To streamline this process, we have developed BLESS, an electronic patient reported outcomes software program that utilizes PRO-ECOG and EQ-5D-3L items to screen for physical dysfunction symptoms, with follow-up questions from HW; BLESS has been demonstrated to have high sensitivity and specificity for the complete HW survey. We compared completion times and patient acceptability of BLESS vs. HW. Methods: Adult oncology outpatients of all stages at Princess Margaret Cancer Centre were allocated prospectively and alternately to receive either BLESS or HW on touchscreen tablets. Completion times were recorded and a patient acceptability survey was administered. Results: Of 225 patients analyzed from breast (19%), GI (22%), GU (12%), gynecology (16%), head/neck (12%), skin (6%) and thoracic (13%) cancer clinics, 118 (52%) patients completed BLESS and 107 (47%) completed HW. Median age was 61 (range: 18-97) years; 60% were female, 68% were Caucasian, 44% were stage IV, and 57% were treated with a curative intent. There were no statistically significant differences in demographic and clinical characteristics between the arms analyzed. Median EQ-5D-3L utility was 0.83 (0.28-1.00), median HAQ-DI was 0.13 (0-3.00) and median WHODAS was 8.3% (0-83.3%). Compared to HW, BLESS resulted in a median completion time reduction of 3.9 minutes (32% decrease; p < 0.001). Although most patients in both arms did not find the survey time-consuming nor caused the clinic visit to be more difficult, a greater proportion of BLESS patients held a stronger conviction in their answers (p = 0.02 for both comparisons). Conclusions: In comparison to traditional research tools of HW for assessing physical function,BLESS was associated with shorter administration times and improved patient acceptability, rendering BLESS more suitable for routine clinical use.
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 | 0,006 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 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; 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 ».