A Scoring Algorithm for Deriving Utility Values from the Neuro-QoL for Patients with Multiple Sclerosis
Notice bibliographique
Résumé
Introduction The Neuro-QoL is a standardized approach to assessing health-related quality of life in people with neurological conditions, including multiple sclerosis (MS). Item banks were developed with item response theory (IRT) methodology so items are calibrated along a continuum of each construct. The purpose of this study was to develop a preference-based scoring algorithm for the Neuro-QoL to derive utilities that could be used in economic modeling. Methods With input from neurologists, 6 Neuro-QoL domains were selected based on relevance to MS and used to define health states for a utility elicitation study in the United Kingdom. General population participants and individuals with MS valued the health states and completed questionnaires (including Neuro-QoL short forms). The Neuro-QoL Utility Scoring System (NQU) was derived based on multi-attribute utility theory using data from the general population sample. Single-attribute disutility functions for 6 Neuro-QoL domains were estimated using isotonic regression with linear interpolation and then combined with a multiplicative model. NQU validity was assessed using MS participant data. Results Interviews were completed with 203 general population participants (50.2% female; mean age = 45.0 years) and 62 participants with MS (62.9% female; mean age = 46.1 years). Mean (SD) NQU scores were 0.94 (0.06) and 0.82 (0.13) for the general population and MS samples, respectively. The NQU demonstrated known-groups validity by differentiating among subgroups categorized based on level of disability. The NQU demonstrated convergent validity via correlations with generic measures (0.66 and 0.63 with EQ-5D-5L and Health Utilities Index Mark 3, respectively; both P < 0.001). Discussion With the NQU, utilities can be derived from any MS treatment group, subgroup, or patient sample who completes items from 6 Neuro-QoL domains. Because the Neuro-QoL is frequently used with MS patients, the NQU greatly expands the options for quantifying outcomes in cost-utility analyses conducted to inform allocation of resources for MS treatment.
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 | 0,011 | 0,038 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,002 |
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 ».