Evaluation of Self-reported Patient Experiences: Insights from Digital Patient Communities in Psoriatic Arthritis
Notice bibliographique
Résumé
OBJECTIVE: To evaluate the types of experiences and treatment access challenges of patients with psoriatic arthritis (PsA) using self-reported online narratives. METHODS: English-language patient narratives reported between January 2010 and May 2016 were collected from 31 online sources (general health social networking sites, disease-focused patient forums, treatment reviews, general health forums, mainstream social media sites) for analysis of functional impairment and 40 online sources for assessment of barriers to treatment. Using natural language processing and manual curation, patient-reported experiences were categorized into 6 high-level concepts of functional impairment [social, physical, emotional, cognitive, role activity (SPEC-R), and general] and 6 categories to determine barriers to treatment access (coverage ineligibility, out-of-pocket cost, issues with assistance programs, clinical ineligibility, formulary placement/sequence, doctor guidance). The SPEC-R categorization was also applied to 3 validated PsA patient-reported outcome (PRO) instruments to evaluate their capacity to collect lower-level subconcepts extracted from patient narratives. RESULTS: Of 15,390 narratives collected from 3139 patients with PsA for exploratory analysis, physical concepts were the most common (81.5%), followed by emotional (50.7%), cognitive (20.0%), role activity (8.1%), and social (5.6%) concepts. Cognitive impairments and disease burden on family and parenting were not recorded by PsA PRO instruments. The most commonly cited barriers to treatment were coverage ineligibility (51.6%) and high out-of-pocket expenses (31.7%). CONCLUSION: Patients often discussed physical and emotional implications of PsA in online platforms; some commonly used PRO instruments in PsA may not identify cognitive issues or parenting/family burden. Nearly one-third of patients with PsA reported access barriers to treatment.
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 | 0,024 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,000 | 0,003 |
| 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 ».