The responsiveness of goal attainment scaling using just one goal in controlled clinical trials: an exploratory analysis
Notice bibliographique
Résumé
BACKGROUND: Goal Attainment Scaling (GAS) is an individualized outcome measure that allows the setting of personalized treatment goals. We compared the responsiveness of GAS when individuals set only one goal instead of the recommended three or more goals. METHODS: We conducted exploratory analyses on data from two randomized controlled trials: the Video-Imaging Synthesis of Treating Alzheimer's Disease (VISTA) (n = 130); and the Mobile Geriatric Assessment Team (MGAT) (n = 265). Independent t-tests and standardized response means (SRMs) were used to assess responsiveness of one- vs. multiple-goal GAS. RESULTS: In VISTA, clinician-rated multiple-goal GAS detected higher goal attainment in the intervention group (p = 0.01; SRM = 0.48). One-goal GAS, whether rated by patients or by clinicians, did not detect differences in goal attainment between groups (patient: p = 0.56, SRM = 0.10; clinician: p = 0.10, SRM = 0.29). In MGAT, multiple-goal GAS (outcome goals: p < .001, SRM = 1.29; total goals: p < .001, SRM = 1.52) and one-goal GAS (outcome goals: p < .001, SRM = 0.89; total goals: p < .001, SRM = 0.75), detected significantly higher goal attainment in the intervention group. CONCLUSION: One-goal GAS detected significant change in response to a patient-centred, multi-domain care initiative. As such, in similar contexts, one-goal GAS may be an effective means of optimizing personalization and improving GAS feasibility through reduced administration time. However, it is not yet clear if one-goal GAS is responsive in the context of a pharmacological intervention and further research is recommended.
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 | 0,467 | 0,587 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,007 | 0,020 |
| Bibliométrie | 0,005 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,005 |
| Communication savante | 0,003 | 0,004 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».