Picture This: Presenting Longitudinal Patient-Reported Outcome Research Study Results to Patients
Notice bibliographique
Résumé
BACKGROUND: Patient-reported outcome (PRO) results from clinical trials and research studies can inform patient-clinician decision making. However, data presentation issues specific to PROs, such as scaling directionality (higher scores may represent better or worse outcomes) and scoring strategies (normed v. nonnormed scores), can make the interpretation of PRO scores uniquely challenging. OBJECTIVE: To identify the association of PRO score directionality, score norming, and other factors on a) how accurately PRO scores are interpreted and b) how clearly they are rated by patients, clinicians, and PRO researchers. METHODS: We electronically surveyed adult cancer patients/survivors, oncology clinicians, and PRO researchers and conducted one-on-one cognitive interviews with patients/survivors and clinicians. Participants were randomized to 1 of 3 line graph formats showing longitudinal change: higher scores indicating "better," "more" (better for function, worse for symptoms), or "normed" to a population average. Quantitative data evaluated interpretation accuracy and clarity. Online survey comments and cognitive interviews were analyzed qualitatively. RESULTS: The Internet sample included 629 patients, 139 clinicians, and 249 researchers; 10 patients and 5 clinicians completed cognitive interviews. "Normed" line graphs were less accurately interpreted than "more" (odds ratio [OR] = 0.76; P = 0.04). "Better" line graphs were more accurately interpreted than both "more" (OR = 1.43; P = 0.01) and "normed" (OR = 1.88; P = 0.04). "Better" line graphs were more likely to be rated clear than "more" (OR = 1.51; P = 0.05). Qualitative data informed interpretation of these findings. LIMITATIONS: The survey relied on the online platforms used for distribution and consequent snowball sampling. We do not have information regarding participants' numeracy/graph literacy. CONCLUSIONS: For communicating PROs as line graphs in patient educational materials and decision aids, these results support using graphs, with higher scores consistently indicating better outcomes.
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 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 | 0,003 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 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 tête enseignante, 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 ».