Cognitive Interviewing to Develop a New Health-Related Quality of Life Measure for Parkinson's Disease: The Preference-Based Parkinson's Disease Index (PB-PDI)
Notice bibliographique
Résumé
Preference-based measures (PBM) for health-related quality of life (HRQoL) are essential in assessing the cost-utility of different treatment options. The preference-based Parkinson's disease Index (PB-PDI) is being developed for people with Parkinson's disease (PD). The aim of this study was to refine the PB-PDI through cognitive interviews with people with PD. Cognitive debriefing was conducted to assess patients' interpretation of items, both in English and French. Participants' feedback guided the iterative modification of the PB-PDI and items were accepted for final inclusion if they were endorsed by three consecutive participants. A total of 16 participants provided feedback on the items, refined the response options, and discussed how to clarify questions. They selected a 2-week timeframe for the PB-PDI recall period. At the end of the cognitive interviews, all seven items and their response options were endorsed in both languages. The cognitive interview process allowed us to refine items and ensure that they were clear in terms of instructions and response options from the perspective of people with PD. The next step will be to elicit preference weights to develop a scoring algorithm and assess its measurement properties.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».