Role of Proxy Respondents in International Stroke Research: Experience of the INTERSTROKE Study
Notice bibliographique
Résumé
INTRODUCTION: Measuring patient-reported information in stroke research is challenging. To overcome this, use of proxy respondents is often a necessary strategy. In this study, we report on use and effect of proxy respondents on patient case-mix in a large international epidemiologic stroke study (INTERSTROKE). METHODS: This was a cross-sectional study of 13,458 cases of acute first stroke in 32 countries. A standardized study questionnaire recording behavioural cardiovascular risk factors was administered to the patient, and if unable to communicate adequately, a valid proxy, or both. We used logistic regression to evaluate the association of age, sex, education, occupation, stroke severity, and region with need for proxy respondent, and report odds ratio (OR) with 95% confidence interval (CI). RESULTS: Among 13,458 participants with acute stroke, questionnaires were completed by patients alone in 41.4% (n = 5,573), combination of patient and proxy together in 21.7% (n = 2,918), and proxy alone in 36.9% (n = 4,967). Use of proxy alone was greater in participants with severe stroke (4.7% with modified-Rankin score of 0 vs. 80.5% in those with score 5; OR 187.13; 95% CI: 119.61-308.22), older persons (43.8% of those aged 80 years and over vs. 33.2% of those aged less than 40 years; age per decade OR 1.09; 95% CI: 1.06-1.12), women (40.7% vs. 34.3% of men; OR 1.32 95% CI: 1.22-1.43), and those less educated (58.9% of those never educated vs. 25.7% of those who attended third level education; OR 7.84; 95% CI: 6.78-9.08). CONCLUSION: Use of proxy respondents enhances the generalizability of international research studies of stroke, by increasing representation of women, patients with severe stroke, older age, and lower education.
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 | 0,002 | 0,003 |
| 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 | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».