Predicting changes in cataract surgery health outcomes using a cataract surgery appropriateness and prioritization instrument
Notice bibliographique
Résumé
OBJECTIVE: Determine whether items in a cataract surgery appropriateness and prioritization questionnaire can predict change in best corrected visual acuity (BCVA) and health related quality of life (HRQOL) following cataract surgery. METHODS: 313 patients with a cataract in Ontario, Canada were recruited to participate. BCVA was measured using the Snellen chart. HRQOL was measured using a generic instrument (EQ5D), a visual functioning instrument (Catquest-9SF), and an appropriateness and prioritization instrument (17 items). Outcomes were measured preoperatively and 3-6 months postoperatively. Descriptive statistics were used to describe demographics and outcomes. For each appropriateness and prioritization questionnaire item, a one-way ANOVA was used to compare group means of the change in BCVA, EQ5D, and Catquest-9SF. RESULTS: Participants had a mean age of 69 years and were 56% female. BCVA improved in 81%, EQ5D in 49.6%, and Catquest-9SF score in 84% of patients. Improvement in both BCVA and Catquest-9SF scores were found in 68.5% of patients. The ANOVA showed a statistically significant association between a change in BCVA and the ability to participate in social life, and a statistically significant association between a change in Catquest-9SF and glare, extent of impairment in visual function, safety and injury concerns, ability to work and care for dependents, ability to take care of local errands, ability to assist others and ability to participate in social life. CONCLUSIONS: Almost all patients had improved BCVA and/or visual functioning after surgery. Seven variables from the cataract appropriateness and prioritization instrument were found to be predictors of improvement in Catquest-9SF measuring visual functioning.
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 | 0,001 | 0,001 |
| 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 | 0,000 |
| 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 ».