Patient Preferences in Rare Diseases: A Qualitative Study in Neuromuscular Disorders to Inform a Quantitative Preference Study
Notice bibliographique
Résumé
INTRODUCTION: It has become increasingly important to include patient preference information in decision-making processes for drug development. As neuromuscular disorders represent multisystem, debilitating, and progressive rare diseases with few treatment options, this study aimed to explore unmet health care needs and patient treatment preferences for two neuromuscular disorders, myotonic dystrophy type 1 (DM1) and mitochondrial myopathies (MM) to inform early stages of drug development. METHODS: Fifteen semi-structured interviews and five focus group discussions (FGDs) were held with DM1 and MM adult patients and caregivers. Topics discussed included (1) reasons for study participation; (2) disease signs/symptoms and their impact on daily lives; (3) top desired benefits; and (4) acceptability of risks and tolerance levels for a hypothetical new treatment. Data were analyzed following a thematic 'code' approach. RESULTS: A total of 52 participants representing a wide range of disease severities participated. 'Muscle strength' and 'energy and endurance' were the disease-related unmet needs most often mentioned. Additionally, improved 'balance', 'cognition' and 'gut function' were the top desired treatment benefits, while 'damage to the liver, kidneys or eyes' was the most concerning risk. Factors influencing their tolerance to risks related to previously having experienced the risk and differentiation between permanent and temporary risks. A few differences were elicited between patients and caregivers. CONCLUSIONS: This qualitative study provided an open forum to elicit treatment-desired benefits and acceptable risks to be established by patients themselves. These findings can inform decisions for developing new treatments and the design of clinical trials for DM1 and MM.
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 | 0,021 | 0,026 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,007 | 0,006 |
| Communication savante | 0,003 | 0,004 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 ».