Most Efficient and Meaningful Patient-Reported Appearance Assessment in Different Cleft Types and Age Groups with CLEFT-Q
Notice bibliographique
Résumé
BACKGROUND: The CLEFT-Q, a questionnaire developed and validated specifically for cleft patients, contains seven appearance scales. The International Consortium of Health Outcomes Measurement (ICHOM) has incorporated only some CLEFT-Q appearance scales in the Standard Set to minimize burden. This study evaluates which appearance scales provide the most meaningful information in the different cleft types at specific ages, for the most efficient cleft appearance outcome assessment. METHODS: Within this international multicenter study, outcomes of the seven appearance scales were collected, either as part of the ICHOM Standard Set, or as part of the field test study performed to validate the CLEFT-Q. Analyses were performed in separate age groups and cleft types, and involved univariate regression analyses, trend analyses, t tests, correlations, and floor and ceiling effects. RESULTS: A total of 3116 patients were included. Scores for most appearance scales showed a downward trend by age group, with the exception of the Teeth and Jaw scales. In all cleft types, several scales correlated strongly with each other. No floor effects were observed, but ceiling effects were found in several scales in different age groups, most often in the CLEFT-Q Jaw scale. CONCLUSIONS: A proposition for the most meaningful and efficient appearance outcome assessment in cleft patients is made. It was composed so that recommendations are of value for different cleft protocols and initiatives. Suggestions for the use of scales in the ICHOM Standard Set at different ages are given, and also from a clinical perspective. Use of the CLEFT-Q Scar, Lips, and Nose scales will provide additional relevant information.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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; un appel candidat d’une seule tête enseignante, 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 ».