Feasibility, Validity, and Reliability of the 10-item Patient Reported Outcomes Measurement Information System Global Health Short Form in Outpatients with Systemic Lupus Erythematosus
Notice bibliographique
Résumé
OBJECTIVE: To assess the feasibility, validity, and reliability of the Patient Reported Outcomes Measurement Information System Global Health Short Form (PROMIS10) in outpatients with systemic lupus erythematosus (SLE). METHODS: SLE outpatients completed PROMIS10, Medical Outcomes Study Short Form-36 (SF-36), LupusQoL-US, and selected PROMIS computerized adaptive tests (CAT) at routine visits at an SLE Center of Excellence. Construct validity was evaluated by correlating PROMIS10 physical and mental health scores with PROMIS CAT, legacy instruments, and physician-derived measures of disease activity and damage. Test-retest reliability was determined among subjects reporting stable SLE activity at 2 assessments 1 week apart using intraclass correlation coefficients (ICC). RESULTS: A diverse cohort of 204 out of 238 patients with SLE (86%) completed survey instruments. PROMIS10 physical health scores strongly correlated with physical function, pain, and social health domains in PROMIS CAT, SF-36, and LupusQoL, while mental health scores strongly correlated with PROMIS depression CAT, SF-36, and LupusQoL mental health domains (Spearman correlations ≥ 0.70). Active arthritis, comorbid fibromyalgia (FM), and anxiety were associated with worse PROMIS10 scores, but sociodemographic factors and physician-assessed flare status were not. Test-retest reliability for PROMIS10 physical and mental health scores was high (ICC ≥ 0.85). PROMIS10 required < 2 minutes to complete. CONCLUSION: PROMIS10 is valid and reliable, and can efficiently screen for impaired physical function, pain, and emotional distress in outpatients with SLE. With strong correlations to LupusQoL and SF-36 but significantly reduced responder burden, PROMIS10 is a promising tool for measuring patient-reported outcomes in routine SLE clinical care and value-based healthcare initiatives.
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 | 0,014 | 0,040 |
| 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 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».