Critical review of multimorbidity outcome measures suitable for low-income and middle-income country settings: perspectives from the Global Alliance for Chronic Diseases (GACD) researchers
Notice bibliographique
Résumé
OBJECTIVES: There is growing recognition around the importance of multimorbidity in low-income and middle-income country (LMIC) settings, and specifically the need for pragmatic intervention studies to reduce the risk of developing multimorbidity, and of mitigating the complications and progression of multimorbidity in LMICs. One of many challenges in completing such research has been the selection of appropriate outcomes measures. A 2018 Delphi exercise to develop a core-outcome set for multimorbidity research did not specifically address the challenges of multimorbidity in LMICs where the global burden is greatest, patterns of disease often differ and health systems are frequently fragmented. We, therefore, aimed to summarise and critically review outcome measures suitable for studies investigating mitigation of multimorbidity in LMIC settings. SETTING: LMIC. PARTICIPANTS: People with multimorbidity. OUTCOME MEASURES: Identification of all outcome measures. RESULTS: We present a critical review of outcome measures across eight domains: mortality, quality of life, function, health economics, healthcare access and utilisation, treatment burden, measures of 'Healthy Living' and self-efficacy and social functioning. CONCLUSIONS: Studies in multimorbidity are necessarily diverse and thus different outcome measures will be appropriate for different study designs. Presenting the diversity of outcome measures across domains should provide a useful summary for researchers, encourage the use of multiple domains in multimorbidity research, and provoke debate and progress in the field.
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 | 0,002 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,001 |
| 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 | 0,001 |
| 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 ».