MétaCan
Menu
Retour à la cohorte
Enregistrement W3094410100 · doi:10.2215/cjn.05880420

Validation of a Core Patient-Reported Outcome Measure for Fatigue in Patients Receiving Hemodialysis

2020· article· en· W3094410100 sur OpenAlexaff
Angela Ju, Armando Teixeira‐Pinto, Allison Tong, Alice C. Smith, Mark L. Unruh, Sara N. Davison, Juan Dapueto, Mary Amanda Dew, Richard Fluck, Michael J. Germain, Sarbjit V. Jassal, Gregorio T. Obrador, Dónal O’Donoghue, Andrea K. Viecelli, Giovanni FM Strippoli, Marinella Ruospo, Delia Timofte, Ankit Sharma, Eric Au, Martin Howell, Daniel Costa, Samaya J. Anumudu, Jonathan C. Craig, Claudia Rutherford

Notice bibliographique

RevueClinical Journal of the American Society of Nephrology · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueDialysis and Renal Disease Management
Établissements canadiensUniversity of TorontoUniversity Health NetworkUniversity of Alberta
Organismes subventionnairesNIHR Leicester Biomedical Research CentreNational Institute for Health and Care ResearchStoneygate TrustPA Research Foundation
Mots-clésMedicineHemodialysisIntraclass correlationCronbach's alphaPhysical therapyNephrologyPatient-reported outcomeConvergent validityInternal medicineQuality of life (healthcare)Emergency medicinePsychometricsClinical psychologyInternal consistencyNursing

Résumé

récupéré en direct d'OpenAlex

Background and objectives Fatigue is a very common and debilitating symptom and identified by patients as a critically important core outcome to be included in all trials involving patients receiving hemodialysis. A valid, standardized measure for fatigue is needed to yield meaningful and relevant evidence about this outcome. This study validated a core patient-reported outcome measure for fatigue in hemodialysis. Design, setting, participants, & measurements A longitudinal cohort study was conducted to assess the validity and reliability of a new fatigue measure (Standardized Outcomes in Nephrology-Hemodialysis Fatigue [SONG-HD Fatigue]). Eligible and consenting patients completed the measure at three time points: baseline, a week later, and 12 days following the second time point. Cronbach α and intraclass correlation coefficient were calculated to assess internal consistency, and Spearman rho was used to assess convergent validity. Confirmatory factor analysis was also conducted. Hemodialysis units in the United Kingdom, Australia, and Romania participated in this study. Adult patients aged 18 years and over who were English speaking and receiving maintenance hemodialysis were eligible to participate. Standardized Outcomes in Nephrology-Hemodialysis, the Visual Analog Scale for fatigue, the 12-Item Short Form Survey, and Functional Assessment of Chronic Illness Therapy–Fatigue were used. Results In total, 485 participants completed the study across the United Kingdom, Australia, and Romania. Psychometric assessment demonstrated that Standardized Outcomes in Nephrology-Hemodialysis is internally consistent (Cronbach α =0.81–0.86) and stable over a 1-week period (intraclass correlation coefficient =0.68–0.74). The measure demonstrated convergence with Functional Assessment of Chronic Illness Therapy–Fatigue and had moderate correlations with other measures that assessed related but not the same concept (the 12-Item Short Form Survey and the Visual Analog Scale). Confirmatory factor analysis supported the one-factor model. Conclusions SONG-HD Fatigue seems to be a reliable and valid measure to be used in trials involving patients receiving hemodialysis.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,017
score de la tête « metaresearch » (Gemma)0,026
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,017
Score d'incertitude au seuil0,092

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0170,026
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,122
Tête enseignante GPT0,375
Écart entre enseignants0,253 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations80
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueClinical Journal of the American Society of NephrologyMême sujetDialysis and Renal Disease ManagementTravaux en français237 207