MétaCan
Menu
Retour à la cohorte
Enregistrement W2803293473 · doi:10.1093/ndt/gfy104.sp707

SP707CROSS-SECTIONAL VALIDITY OF EDMONTON SYMPTOM ASSESSMENT SYSTEM IN KIDNEY TRANSPLANT RECIPIENTS

2018· article· en· W2803293473 sur OpenAlexaboutno aff
Yuri Battaglia, Giulia Piazza, Elena Martino, Sara Massarenti, Pasquale Esposito, Luana Peron, Alda Storari, Luigi Grassi

Notice bibliographique

RevueNephrology Dialysis Transplantation · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueOrgan Donation and Transplantation
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineKidney transplantCross-sectional studyKidney transplantationInternal medicineIntensive care medicineKidneyPathology

Résumé

récupéré en direct d'OpenAlex

INTRODUCTION AND AIMS: Improvements have been observed in long term survival of KTRs over the last two decades so HRQL has become an important measure of outcome. Although the most commonly used HRQL instruments in KTRs have items pertaining to physical and psychological symptoms, they do not directly assess patient self-report of troublesome symptoms. Edmonton Symptom Assessment System(ESAS)is a pragmatic patient-centred symptom assessment tool used for measuring physical and psychological symptom distress, validated in dialysis patient. Aims of study are to test the screening capabilities of ESAS for ICD-10 psychiatric diagnoses evaluated with MINI International Neuropsychiatric Interview 6.0(MINI6.0) and investigate optimal cut-off points for ESAS single and global items for detecting ICD-10 psychiatric diagnoses in KTRs. METHODS: KTRs, followed up in a single nephrology Unit, were evaluated. Each patient was individually administered MINI6.0. ESAS was given as self-report instruments to be filled in and was used to examine the severity of physical and psychological symptoms on a 0 to 10 scale. Emotional distress item(DT) was added as optional tenth psychological symptom. Physical distress sub-score(ESAS-PHYS), psychological distress sub-score(ESAS-PSY) and global distress score(ESAS-TOT)were given by summing up scores of six physical symptoms, four psychological symptoms and all single ESAS symptoms, respectively. Routine biochemistry, socio-demographic and clinical data were collected. Receiving Operating Characteristic (ROC) analysis was used to examine the ability of ESAS single item, ESAS-TOT, ESAS-PSY and ESAS-PHYS, to detect psychiatric cases defined by using MINI6.0. Combined sensitivities and specificities were visualized in ROC curve. RESULTS: Data pertaining to 134 out of 143 consecutive outpatients were collected. 67.2% were men and the mean age was 54.6 years (SD = 12.0). Higher scores on the ESAS symptoms (except shortness of breath), ESAS-TOT, ESAS-PHYS and ESAS-PSY sub-scores were found among ICD-10 cases than ICD-10 no-cases(Table1). Area under the ROC curve for DT item, ESAS-TOT, ESAS-PHYS and ESAS-PSY was 0,77, 0.89, 0.73 and 0.85, respectively(Figure 1). DT, ESAS-TOT and ESAS-PSY optimal cut-off points were ≥ 3(sensitivity 0.74, specificity 0.73), ≥20(sensitivity 0.85, specificity 0.74)and ≥ 12(sensitivity 0.85, specificity 0.80),respectively. Only 4 patients with an ICD-10 diagnosis did not exceed ESAS-TOT and ESAS-PSY cut-offs. CONCLUSIONS: This study reported, for the first time, the optimal screening capabilities(80%)of ESAS to identify ICD-10 cases evaluated with MINI as well as ESAS-PSY, ESAS-TOT and DT item cut-off points to detect ICD-10 psychiatric diagnoses in KTRs.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,020

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,019
Tête enseignante GPT0,297
Écart entre enseignants0,278 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNephrology Dialysis TransplantationMême sujetOrgan Donation and TransplantationTravaux en français237 207