Do Rural Residents in China Understand EQ-5D-5L as Intended? Evidence From a Qualitative Study
Notice bibliographique
Résumé
BACKGROUND: The 5-level EQ-5D (EQ-5D-5L) has been increasingly used in China to measure the health status of the general population and patients. However, its content validity among rural residents in China has not been formally evaluated. This qualitative study aims to assess the content validity of EQ-5D-5L among rural Chinese. METHODS: Participants were recruited from four regions (North, South, East and West) across China. Eligible participants were those living in the rural area in last three years and making a living by agricultural operations. Semi-structured interviews were conducted. Interview transcripts were analysed to assess the comprehensibility, relevance, clarity and comprehensiveness. RESULTS: Sixty-two participants were included, comparable to the national figures regarding age, sex and education. For comprehensibility, participants could understand the 'mobility', 'self-care' and 'usual activities' domains well, but some reported confusions in 'pain/discomfort' (n = 42) and 'anxiety/depression' (n = 35). Some also reported difficulties in understanding anxiety (n = 6) and depression (n = 9), possibly due to the formal wording used. For relevance, all domains were reported as health-related and participants' responses were based on their own health. For clarity, all could distinguish the five levels, but suggestions on reducing response levels and alternative wording for 'slight' were raised. For comprehensiveness, two aspects (fatigue/energy and appetite) were raised beyond the EQ-5D-5L domains. The 'mobility' domain was selected as the most important and 'anxiety/depression' as the least important. CONCLUSION: Rural Chinese reported problems on the content validity of Chinese EQ-5D-5L. It might be sensible to consider some revisions to make it more understandable for rural residents.
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 | 0,017 | 0,023 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,004 | 0,004 |
| 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) | 0,004 | 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 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 ».