An updated approach to determine minimal clinically important differences in idiopathic pulmonary fibrosis
Notice bibliographique
Résumé
INTRODUCTION: Current medications for idiopathic pulmonary fibrosis (IPF) have not been shown to impact patient-reported outcome measures (PROMs), highlighting the need for accurate minimal clinically important difference (MCID) values. Recently published consensus standards for MCID studies support using anchor-based over distribution-based methods. The aim of this study was to estimate MCID values for worsening in IPF using only an anchor-based approach. METHODS: We conducted secondary analyses of three randomised controlled trials with different inclusion criteria and follow-up intervals. The health transition question in the 36-Item Short-Form Health Survey (SF-36) questionnaire was used as the anchor. We used receiver operating curves to assess responsiveness between the anchor and 10 variables (four physiological measures and six PROMs). We used an anchor-based method to determine the MCID values of variables that met the responsiveness criteria (area under the curve ≥0.70). RESULTS: 6-min walk distance (6MWD), the St George's Respiratory Questionnaire (SGRQ), physical component score (PCS) of SF-36 and University of California, San Diego, Shortness of Breath Questionnaire (UCSD SOBQ) met the responsiveness criteria. The MCID value for 6MWD was -75 m; the MCID value for SF-36 PCS was -7 points; the MCID value for SGRQ was 11 points; and the MCID value for the UCSD SOBQ was 11 points. CONCLUSIONS: The MCID estimates of 6MWD, SGRQ, SF-36 and UCSD SOBQ using only anchor-based methods were considerably higher compared to previously proposed values. A single MCID value may not be applicable across all classes of disease severity or durations of follow-up time.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».