Standardized system and App for continuous patient symptom logging in gastroduodenal disorders: Design, implementation, and validation
Notice bibliographique
Résumé
Abstract Background Functional gastroduodenal disorders include functional dyspepsia, chronic nausea and vomiting syndromes, and gastroparesis. These disorders are common, but their overlapping symptomatology poses challenges to diagnosis, research, and therapy. This study aimed to introduce and validate a standardized patient symptom‐logging system and App to aid in the accurate reporting of gastroduodenal symptoms for clinical and research applications. Methods The system was implemented in an iOS App including pictographic symptom illustrations, and two validation studies were conducted. To assess convergent and concurrent validity, a diverse cohort with chronic gastroduodenal symptoms undertook App‐based symptom logging for 4 h after a test meal. Individual and total post‐prandial symptom scores were averaged and correlated against two previously validated instruments: PAGI‐SYM (for convergent validity) and PAGI‐QOL (for concurrent validity). To assess face and content validity, semi‐structured qualitative interviews were conducted with patients. Key Results App‐based symptom reporting demonstrated robust convergent validity with PAGI‐SYM measures of nausea ( r S =0.68), early satiation ( r S =0.55), bloating ( r S =0.48), heartburn ( r S =0.47), upper gut pain ( r S =0.40), and excessive fullness ( r S =0.40); all p < 0.001 ( n = 79). The total App‐reported Gastric Symptom Burden Score correlated positively with PAGI‐SYM ( r S =0.56; convergent validity; p < 0.001), and negatively with PAGI‐QOL ( r S = −0.34; concurrent validity; p = 0.002). Interviews demonstrated that the pictograms had adequate face and content validity. Conclusions and Inferences The continuous patient symptom‐logging App demonstrated robust convergent, concurrent, face, and content validity when used within a 4‐h post‐prandial test protocol. The App will enable standardized symptom reporting and is anticipated to provide utility in both research and clinical practice.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 ».