Development of a Research Tool to Document Self-Reported Chronic Conditions in Primary Care
Notice bibliographique
Résumé
BACKGROUND: Researchers interested in multimorbidity often find themselves in the dilemma of identifying or creating an operational definition in order to generate data. Our team was invited to propose a tool for documenting the presence of chronic conditions in participants recruited for different research studies. OBJECTIVE: To describe the development of such a tool. DESIGN: A scoping review in which we identified relevant studies, selected studies, charted the data, and collated and summarized the results. The criteria considered for selecting chronic conditions were: (1) their relevance to primary care services; (2) the impact on affected patients; (3) their prevalence among the primary care users; and (4) how often the conditions were present among the lists retrieved from the scoping review. RESULTS: Taking into account the predefined criteria, we developed a list of 20 chronic conditions/categories of conditions that could be self-reported. A questionnaire was built using simple instructions and a table including the list of chronic conditions/categories of conditions. CONCLUSIONS: We developed a questionnaire to document 20 self-reported chronic conditions/categories of conditions intended to be used for research purposes in primary care. Guided by previous literature, the purpose of this questionnaire is to evaluate the self-reported burden of multimorbidity by participants and to encourage comparability among research studies using the same measurement.
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 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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».