MétaCan
Menu
Retour à la cohorte
Enregistrement W4280541581 · doi:10.3390/jpm12050804

Measuring Quality of Life in Parkinson’s Disease—A Call to Rethink Conceptualizations and Assessments

2022· article· en· W4280541581 sur OpenAlexfundno aff
Maria Stührenberg, Carolin S. Berghäuser, Marlena van Munster, Anna J. Pedrosa Carrasco, David J. Pedrosa

Notice bibliographique

RevueJournal of Personalized Medicine · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueParkinson's Disease Mechanisms and Treatments
Établissements canadiensnon disponible
Organismes subventionnairesInstituto de Salud Carlos IIIMedical Research CouncilBundesministerium für Bildung und ForschungCanadian Institutes of Health ResearchEU Joint Programme – Neurodegenerative Disease Research
Mots-clésParkinson's diseaseQuality of life (healthcare)DiseaseMedicineQuality (philosophy)PsychologyGerontologyPhysical medicine and rehabilitationPathologyNursingEpistemologyPhilosophy

Résumé

récupéré en direct d'OpenAlex

Parkinson's disease (PD) is a chronic condition that considerably impacts the perception of quality of life (QoL) in both patients and their caregivers. Modern therapeutic approaches and social efforts strive at maintaining and promoting QoL. It has emerged as a fundamental parameter for clinical follow-up and poses one of the most important endpoints in scientific and economic evaluations of new care models. It is therefore of utmost importance to grasp concepts of QoL in a meaningful way. However, when taking a look at the origin of our modern understanding of QoL and existing methods for its measurement in PD patients, some aspects seem to lack sufficient appreciation. This article elaborates on how the perception of health and QoL have changed over time and discuss whether current understandings of both are reflected in the most commonly applied assessment methods for people with PD.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,035
score de la tête « metaresearch » (Gemma)0,041
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Méthodes · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Commentaire · Signal consensuel: aucune
Score de désaccord entre enseignants0,965
Score d'incertitude au seuil0,183

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0350,041
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0010,005
Communication savante0,0060,007
Science ouverte0,0020,004
Intégrité de la recherche0,0010,006
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,103
Tête enseignante GPT0,370
Écart entre enseignants0,267 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeThéorique ou conceptuel
DomaineMéthodes
GenreCommentaire

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations12
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Personalized MedicineMême sujetParkinson's Disease Mechanisms and TreatmentsTravaux en français237 207