Development of a New Patient-reported Outcome Measure for Ear Conditions: The EAR-Q
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.
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 | 0,045 | 0,068 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».