Establishing the European Norm for the health-related quality of life domains of the computer-adaptive test EORTC CAT Core
Notice bibliographique
Résumé
OBJECTIVE: The computer-adaptive test (CAT) of the European Organisation for Research and Treatment of Cancer (EORTC), the EORTC CAT Core, assesses the same 15 domains as the EORTC QLQ-C30 health-related quality of life questionnaire but with increased precision, efficiency, measurement range and flexibility. CAT parameters for estimating scores have been established based on clinical data from cancer patients. This study aimed at establishing the European Norm for each CAT domain based on general population data. METHODS: We collected representative general population data across 11 European Union (EU) countries, Russia, Turkey, Canada and the United States (n ≥ 1000/country; stratified by sex and age). We selected item subsets from each CAT domain for data collection (totalling 86 items). Differential item functioning (DIF) analyses were conducted to investigate cross-cultural measurement invariance. For each domain, means and standard deviations from the EU countries (weighted by country population, sex and age) were used to establish a T-metric with a European general population mean = 50 (standard deviation = 10). RESULTS: A total of 15,386 respondents completed the online survey (n = 11,343 from EU countries). EORTC CAT Core norm scores for all 15 countries were calculated. DIF had negligible impact on scoring. Domain-specific T-scores differed significantly across countries with small to medium effect sizes. CONCLUSION: This study establishes the official European Norm for the EORTC CAT Core. The European CAT Norm can be used globally and allows for meaningful interpretation of scores. Furthermore, CAT scores can be compared with sex- and age-adjusted norm scores at a national level within each of the 15 countries.
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 | 0,005 | 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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».