MétaCan
Menu
Retour à la cohorte
Enregistrement W4288457181 · doi:10.1136/bmjmed-2022-000247

Measuring multimorbidity in research: Delphi consensus study

2022· article· en· W4288457181 sur OpenAlexfundno aff
Iris Ho, Amaya Azcoaga-Lorenzo, Ashley Akbari, Jim Davies, Kamlesh Khunti, Umesh Kadam, Ronan A Lyons, Colin McCowan, Stewart W Mercer, Krishnarajah Nirantharakumar, Sophie Staniszewska, Bruce Guthrie

Notice bibliographique

RevueBMJ Medicine · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueChronic Disease Management Strategies
Établissements canadiensnon disponible
Organismes subventionnairesNational Institute for Health Research Applied Research Collaboration WestNIHR Leicester Biomedical Research CentreNanyang Technological UniversityNational University of SingaporePeking UniversityNational Institute for Health Research Health Protection Research UnitNational Institute for Health and Care ResearchHealth Data Research UKJohns Hopkins UniversityUniversité de SherbrookeUniversity of Otago
Mots-clésComparabilityDelphi methodMedicineConsistency (knowledge bases)DelphiFamily medicineStatisticsComputer science

Résumé

récupéré en direct d'OpenAlex

Objective: To develop international consensus on the definition and measurement of multimorbidity in research. Design: Delphi consensus study. Setting: International consensus; data collected in three online rounds from participants between 30 November 2020 and 18 May 2021. Participants: Professionals interested in multimorbidity and people with long term conditions were recruited to professional and public panels. Results: 150 professional and 25 public participants completed the first survey round. Response rates for rounds 2/3 were 83%/92% for professionals and 88%/93% in the public panel, respectively. Across both panels, the consensus was that multimorbidity should be defined as two or more long term conditions. Complex multimorbidity was perceived to be a useful concept, but the panels were unable to agree on how to define it. Both panels agreed that conditions should be included in a multimorbidity measure if they were one or more of the following: currently active; permanent in their effects; requiring current treatment, care, or therapy; requiring surveillance; or relapsing-remitting conditions requiring ongoing care. Consensus was reached for 24 conditions to always include in multimorbidity measures, and 35 conditions to usually include unless a good reason not to existed. Simple counts were preferred for estimating prevalence and examining clustering or trajectories, and weighted measures were preferred for risk adjustment and outcome prediction. Conclusions: Previous multimorbidity research is limited by inconsistent definitions and approaches to measuring multimorbidity. This Delphi study identifies professional and public panel consensus guidance to facilitate consistency of definition and measurement, and to improve study comparability and reproducibility.

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)0,351
score de la tête « metaresearch » (Gemma)0,259
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesMétarecherche
DomaineSignal candidat: Méthodes · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,649
Score d'incertitude au seuil0,800

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,3510,259
Méta-épidémiologie (sens strict)0,0020,002
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0060,004
Études des sciences et des technologies0,0060,007
Communication savante0,0060,007
Science ouverte0,0030,018
Intégrité de la recherche0,0030,005
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,684
Tête enseignante GPT0,533
Écart entre enseignants0,152 · 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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.

Devis d'étudeQualitatif
DomaineMéthodes
GenreEmpirique

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

En bref

Citations236
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBMJ MedicineMême sujetChronic Disease Management StrategiesTravaux en français237 207