MétaCan
Menu
Retour à la cohorte
Enregistrement W4306174393 · doi:10.3389/fphar.2022.979788

World Health Organization (WHO) International Classification of Functioning, Disability and Health (ICF) Core Set Development for Interstitial Lung Disease

2022· article· en· W4306174393 sur OpenAlexaff
Lesley Ann Saketkoo, Reuben Escorpizo, János Tamás Varga, Kevin J. Keen, Kim Fligelstone, Surinder S. Birring, Helene Alexanderson, Henrik Pettersson, Humza Ahmad Chaudhry, Janet L. Poole, Malin Regardt, Daphne LeSage, Catherine Sarver, Joseph Lanario, Elisabetta Renzoni, Mary Beth Scholand, Matthew R. Lammi, Otylia Kowal‐Bielecka, Oliver Distler, Tracy Frech, Lee Shapiro, Cecília Varjú, Elizabeth R. Volkmann, Elana J. Bernstein, Marjolein Drent, Ogugua Ndili, Karen Patterson, Anne‐Marie Russell

Notice bibliographique

RevueFrontiers in Pharmacology · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueInterstitial Lung Diseases and Idiopathic Pulmonary Fibrosis
Établissements canadiensUniversity of Northern British ColumbiaUniversity of British Columbia
Organismes subventionnairesVersus ArthritisNational Institute for Health and Care Research
Mots-clésInternational Classification of Functioning, Disability and HealthContext (archaeology)MedicineHealth careStrengths and weaknessesInterstitial lung diseasePhysical therapyFamily medicinePsychologyRehabilitationLungInternal medicine

Résumé

récupéré en direct d'OpenAlex

Background: The World Health Organization (WHO) introduced the International Classification of Functioning, Disability, and Health (ICF) as a scientific method of disability data collection comprised of >1,200 categories describing the spectrum of impairment types (functional, symptoms-based and anatomical) under the bio-psycho-social model with consideration of environmental and personal factors (pf). ICF Core Sets and ICF Checklists are streamlined disease-specific resources for clinical use, service provision, and for use in health economics and health policy. ICF can disclose strengths and weaknesses across multiple patient-reported outcome measures (PROMs) and help consolidate best-fitting question-items from multiple PROMs. Interstitial lung diseases (ILDs), are generally progressive, with restrictive physiology sometimes occurring in the context of multi-organ autoimmunity/inflammatory conditions such as connective tissue diseases (CTDs). In spite of significant associated morbidity and potential disability, ILD has yet to be linked to the ICF. Methods: Each instrument and their question-items within the consensus-recommended core sets for clinical trials in ILD were deconstructed to single concept units, and then linked per updated ICF linkage rules. Inter-linker agreement was established. Three additional subsequently validated measures were also included. Results: One-hundred-eleven ICF categories were identified for ten PROMs and three traditional objective measures that were amenable to ICF linkage. The proportion of agreement ranged from 0.79 (95% CI: 0.62, 0.91) to 0.93 (0.76, 0.99) with the overall proportion of inter-linker agreement being very high 0.86 (0.82, 0.89) for the initial instruments, with 94–100% for the three additional PROMs. Thirty-four new ‘Personal Factors’ emerged to capture disease-specific qualities not elsewhere described in ICF, e.g. ‘pf_embarrassed by cough’ or ‘pf_panic/afraid when can’t get a breath’. Conclusion: This first known effort in ICF linkage of ILD has provided important revelations on the current utility of the ICF in lung disease. Results have indicated areas for meaningful assessment of ICF descriptors for lung impairment. The mapping across PROMs provides insight into possibilities of developing more streamline and precise instrumentation. Finally, familiarity with the ICF in ILD may enable clinicians to experience a smoother transition with the imminent harmonization of ICD and ICF, ICD-11.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,198
Score d'incertitude au seuil0,513

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,038
Tête enseignante GPT0,349
Écart entre enseignants0,311 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
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

Citations24
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in PharmacologyMême sujetInterstitial Lung Diseases and Idiopathic Pulmonary FibrosisTravaux en français237 207