Patient-reported impact of myasthenia gravis in the real world: protocol for a digital observational study (MyRealWorld MG)
Notice bibliographique
Résumé
INTRODUCTION: Myasthenia gravis (MG) is a rare, chronic, autoimmune disease, mediated by immunoglobulin G antibodies, which causes debilitating muscle weakness. As with most rare diseases, there is little patient-reported data with which to understand and address patient needs. This study explores the impact of MG in the real world from the patient perspective. METHODS AND ANALYSIS: This is a 2-year prospective, observational, digital, longitudinal study of adults with MG, resident in the following countries: the USA, Japan, Germany, France, the UK, Italy, Spain, Canada and Belgium. The planned sample size is 2000. Recruitment will be community based, via patient advocacy groups, social media and word of mouth. Participants will use a smartphone application (app) to check eligibility, provide consent and contribute data. Planned data entry is as follows: (1) personal profile on enrollment-covering demographics, MG characteristics and previous care; (2) monthly event tracker-current treatments, healthcare visits, treatment-related adverse events, productivity losses; (3) monthly selection of validated generic and disease-specific patient-reported outcomes instruments: EQ-5D-5L, Myasthenia Gravis Activities of Daily Living, Myasthenia Gravis Quality of Life 15-item revised scale, Hospital Anxiety and Depression Scale and Health Utilities Index III. Analyses are planned for when the study has been running in most countries for approximately 6, 12, 18 and 24 months. ETHICS AND DISSEMINATION: The study protocol has been reviewed and granted ethics approval by Salus IRB for participants resident in the following countries: Germany, the UK and the US. Local ethics approval is being sought for the following study countries: Belgium, Canada, France, Italy, Japan and Spain. Study results will be communicated to the public and participants via conference presentations and journal publications, as well as regular email, social media and in-application communication. TRIAL REGISTRATION NUMBER: NCT04176211.
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 | 0,026 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,040 | 0,007 |
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 ».