Development of a Patient-Reported Outcomes Tool to Assess Pain and Discomfort in Autosomal Dominant Polycystic Kidney Disease
Notice bibliographique
Résumé
BACKGROUND: Pain has been identified as a core outcome for individuals with autosomal dominant polycystic kidney disease (ADPKD), but no disease-specific pain assessment has been developed using current development methodology for patient-reported outcomes (PRO) instruments. We developed and validated an ADPKD-specific pain questionnaire: the ADPKD Pain and Discomfort Scale (ADPKD-PDS). METHODS: Conceptual underpinnings were drawn from literature review, concept elicitation, expert consultation, and measurement performance. In the qualitative analysis phase, concepts were elicited from focus groups of adults with ADPKD, and the resulting draft instrument was refined using cognitive debriefing interviews with individuals with ADPKD. For quantitative analysis, adults with ADPKD completed the draft instrument and other PRO tools in an online survey, and a follow-up survey was conducted 3-4 weeks later. Survey responses were analyzed for item-level descriptive statistics, latent model fit statistics, item discrimination, item- and domain-level psychometric statistics, test-retest reliability, responsiveness to change, and convergent validity. RESULTS: In the qualitative phase, 46 focus groups were conducted in 18 countries with 293 participants. Focus groups described three conceptually distinct types of ADPKD-related pain and discomfort (dull kidney pain, sharp kidney pain, and fullness/discomfort). In the quantitative phase, 298 adults with ADPKD completed the online survey, and 108 participants completed the follow-up survey. After iterative refinement of the instrument, latent variable measurement models showed very good fit (comparative fit and nonnormed fit indices both 0.99), as did item- and domain-level psychometric characteristics. The final ADPKD-PDS contains 20 items assessing pain severity and interference with activities over a 7-day recall period. CONCLUSIONS: The ADPKD-PDS is the first validated tool for systematically assessing pain and discomfort in ADPKD.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,015 | 0,034 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».