Comparing the Measurement Properties and Preferability of Patient-reported Outcome Measures in Pediatric Rheumatology: PROMIS vs CHAQ
Notice bibliographique
Résumé
Objective. The Childhood Health Assessment Questionnaire (CHAQ), though widely used for assessments in pediatric rheumatology, has drawbacks, including low correlation to disease activity and ceiling effects. We sought to determine if any tools from the Patient Reported Outcomes Measurement Information System (PROMIS) improve on these shortcomings and/or are preferred by patients. Methods. Patients 5–17 years of age with juvenile idiopathic arthritis (JIA) or juvenile dermatomyositis (JDM) were recruited from the rheumatology clinics at a Canadian children’s hospital. Participants completed the CHAQ, 3 PROMIS measures (pain interference, mobility, and physical activity), and underwent a standard clinical assessment. Results. Fifty-two patients participated, 25 with JIA and 27 with JDM. None of the PROMIS measures suffered from ceiling effects, whereas the CHAQ Disability Index (DI) and pain visual analog scales both did, with 50% and 20% of patients achieving the best possible scores, respectively. The PROMIS mobility was moderately correlated to the CHAQ-DI (r s –0.60, 95% CI –0.75 to –0.40), and the PROMIS pain interference was strongly correlated to the CHAQ pain score (r s 0.65, 95% CI 0.43–0.80). No measures correlated with disease activity. Patients preferred the PROMIS to the CHAQ. Conclusion. The PROMIS pain interference, mobility, and physical activity measures improve in some areas where the CHAQ is weak: they do not suffer from ceiling effects, and patients prefer the PROMIS tools. More work is needed to determine the correlation and responsiveness of the PROMIS tools to changes in disease activity over time before they should be widely adopted for clinical use.
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 | 0,003 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».