Development of a New Patient-reported Outcome Measure for Ear Conditions: The EAR-Q
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Patient-reported outcome measures are widely used to improve health services and patient outcomes. The aim of our study was to describe the development of 2 ear-specific scales designed to measure outcomes important to children and young adults with ear conditions, such as microtia and prominent ears. METHODS: We used an interpretive description qualitative approach. Semi-structured qualitative and cognitive interviews were performed with participants with any type of ear condition recruited from plastic surgery clinics in Canada, Australia, United States, and United Kingdom. Participants were interviewed to elicit new concepts. Interviews were audio-recorded, transcribed, and coded using the constant comparison approach. Experts in ear reconstruction were invited to provide input via an online Research Electronic Data Capture survey. RESULTS: Participants included 25 patients aged 8-21 years with prominent ears (n = 9), microtia (n = 14), or another condition that affected ear appearance (n = 2). Analysis of participant qualitative data, followed by cognitive interviews and expert input, led to the development and refinement of an 18-item ear appearance scale (eg, size, shape, look up close, look in photographs) and a 12-item adverse effects scale (eg, itchy, painful, numb). CONCLUSIONS: The EAR-Q in currently being field-tested internationally. Once finalized, we anticipate the EAR-Q will be used in clinical practice and research to understand the patient's perspective of outcomes following ear surgery.
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.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découle