Development and validation of combined symptom‐medication scores for allergic rhinitis*
Notice bibliographique
Résumé
Abstract Background Validated combined symptom‐medication scores (CSMSs) are needed to investigate the effects of allergic rhinitis treatments. This study aimed to use real‐life data from the MASK‐air ® app to generate and validate hypothesis‐ and data‐driven CSMSs. Methods We used MASK‐air ® data to assess the concurrent validity, test‐retest reliability and responsiveness of one hypothesis‐driven CSMS (modified CSMS: mCSMS), one mixed hypothesis‐ and data‐driven score (mixed score), and several data‐driven CSMSs. The latter were generated with MASK‐air ® data following cluster analysis and regression models or factor analysis. These CSMSs were compared with scales measuring (i) the impact of rhinitis on work productivity (visual analogue scale [VAS] of work of MASK‐air ® , and Work Productivity and Activity Impairment: Allergy Specific [WPAI‐AS]), (ii) quality‐of‐life (EQ‐5D VAS) and (iii) control of allergic diseases (Control of Allergic Rhinitis and Asthma Test [CARAT]). Results We assessed 317,176 days of MASK‐air ® use from 17,780 users aged 16‐90 years, in 25 countries. The mCSMS and the factor analyses‐based CSMSs displayed poorer validity and responsiveness compared to the remaining CSMSs. The latter displayed moderate‐to‐strong correlations with the tested comparators, high test‐retest reliability and moderate‐to‐large responsiveness. Among data‐driven CSMSs, a better performance was observed for cluster analyses‐based CSMSs. High accuracy (capacity of discriminating different levels of rhinitis control) was observed for the latter (AUC‐ROC = 0.904) and for the mixed CSMS (AUC‐ROC = 0.820). Conclusion The mixed CSMS and the cluster‐based CSMSs presented medium‐high validity, reliability and accuracy, rendering them as candidates for primary endpoints in future rhinitis trials.
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 | 0,010 | 0,030 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».