Patient-Reported Outcome Measures and Patient Engagement in Heart Failure Clinical Trials: Multi-Stakeholder Perspectives
Notice bibliographique
Résumé
There are many consequences of heart failure (HF), including symptoms, impaired health-related quality of life (HRQoL), and physical and social limitations (functional status). These have a substantial impact on patients' lives, yet are not routinely captured in clinical trials. Patient-reported outcomes (PROs) can quantify patients' experiences of their disease and its treatment. Steps can be taken to improve the use of PROs in HF trials, in regulatory and payer decisions, and in patient care. Importantly, PRO measures (PROMs) must be developed with involvement of patients, family members, and caregivers from diverse demographic groups and communities. PRO data collection should become more routine not only in clinical trials but also in clinical practice. This may be facilitated by the use of digital tools and interdisciplinary patient advocacy efforts. There is a need for standardization, not only of the PROM instruments, but also in procedures for analysis, interpretation and reporting PRO data. More work needs to be done to determine the degree of change that is important to patients and that is associated with increased risks of clinical events. This 'minimal clinically important difference' requires further research to determine thresholds for different PROMs, to assess consistency across trial populations, and to define standards for improvement that warrant regulatory and reimbursement approvals. PROs are a vital part of patient care and drug development, and more work should be done to ensure that these measures are both reflective of the patient experience and that they are more widely employed.
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 | 0,690 | 0,696 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,006 | 0,004 |
| Bibliométrie | 0,008 | 0,010 |
| Études des sciences et des technologies | 0,004 | 0,018 |
| Communication savante | 0,029 | 0,019 |
| Science ouverte | 0,006 | 0,018 |
| Intégrité de la recherche | 0,014 | 0,017 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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.
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; l’étiquette directe de Gemma et le classifieur distillé Codex 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 ».