Item Selection for a New Health-Related Quality of Life Measure for Parkinson’s Disease: The Preference-Based Parkinson’s Disease Index (PB-PDI)
Notice bibliographique
Résumé
Background: Parkinson's disease (PD) is a neurodegenerative condition, predominantly affecting older adults. Preference-based measures (PBMs) can be used to make decisions about the cost-utility of different treatments. There are currently no PBMs for health-related quality of life (HRQoL) for PD. A previous study identified important health domains for individuals with PD and developed an item pool from existing measures per domain. The current study aims to contribute to the development of a new disease-specific PBM of HRQoL for PD by reducing the current pool of items according to the preferences of individuals with PD. Methods: Fifty-three participants completed a visual analogue scale (VAS) of self-perceived health, the prototype PBM measure, and an item importance rating. To reduce the item pool, the following were calculated: (1) inter-item correlations; (2) impact of each item based on item performance and importance rating; (3) directionality of response options by comparing the VAS scores against each item. Results: Participants (male = 54.7%, age = 60.0 ± 10.2) had a median Hoehn and Yahr score of 2.5 (interquartile range = 1). Items supported for inclusion by this analysis were sleep, fatigue, tremor, mood, walking, memory, and dexterity. Items demonstrating a logical decrease in VAS score with each increasing severity level were sleep, memory, tremor, fatigue, and mood. Conclusion: This PBM will be critical for informing decisions about the cost-utility of PD treatments, guiding the resource allocation within our healthcare system. Future research will include cognitive debriefing with individuals with PD to refine item response options.
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 | 0,030 | 0,038 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».