Key factors to consider when measuring multimorbidity
Notice bibliographique
Résumé
BACKGROUND: There are multiple multimorbidity measures but little consensus on which measures are most appropriate for different circumstances. OBJECTIVE: To share insights gained from discussions with experts in the fields of ageing research and multimorbidity on key factors to consider when measuring multimorbidity. DESIGN: Descriptive study of expert opinions on multimorbidity measures, informed by literature to identify available measures followed by a face-to-face meeting and an online survey. RESULTS: The expert group included clinicians, researchers and policymakers in Canada with expertise in the fields of multimorbidity and ageing. Of the 30 experts invited, 15 (50%) attended the in-person meeting and 14 (47%) responded to the subsequent online survey. Experts agreed that there is no single multimorbidity measure that is suitable for all research studies. They cited a number of factors that need to be considered in selecting a measure for use in a research study including: (1) fit with the study purpose; (2) the conditions included in multimorbidity measures; (3) the role of episodic conditions or diseases; and (4) the role of social factors and other concepts missing in existing approaches. CONCLUSIONS: The suitability of existing multimorbidity measures for use in a specific research study depends on factors such as the purpose of the study, outcomes examined and preferences of the involved stakeholders. The results of this study suggest that there are areas that require further building out in both the conceptualization and measurement of multimorbidity for the benefit of future clinical, research and policy decisions.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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) | 0,002 | 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 ».