Development of the pyruvate kinase deficiency diary and pyruvate kinase deficiency impact assessment: Disease‐specific assessments
Notice bibliographique
Résumé
INTRODUCTION: Currently recommended patient-reported outcome (PRO) measures for patients with pyruvate kinase (PK) deficiency are non-disease-specific. The PK Deficiency Diary (PKDD) and PK Deficiency Impact Assessment (PKDIA) were developed to be more targeted measures for capturing the symptoms and impacts of interest to this patient population. METHODS: The instruments were developed based on concept elicitation interviews with 21 adults and modified based on 20 cognitive interviews. The domain structure and item concepts of the PKDD and PKDIA were compared with currently recommended measures, the EORTC QLQ-C30 and the SF-36v2®. RESULTS: The PKDD is a seven-item measure of the core signs and symptoms of PK deficiency. The PKDIA is a 14-item measure of the impacts of PK deficiency on patients' health-related quality of life (HRQoL). Minimal similarities were found between the new measures and the EORTC QLQ-C30 (eg, 43% of concepts were similar to the PKDD; 42% were similar to the PKDIA) and SF-36v2® (57% of concepts were similar to the PKDD; 17% were similar to the PKDIA). CONCLUSIONS: The PKDD and PKDIA fill a gap in the existing outcomes measurement strategy for PK deficiency. Future work includes psychometric evaluation of these newly developed measures.
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 | 0,008 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».