Use of the Patient Generated Index to Identify Physical Health Challenges Among People Living with HIV: A Cross-Sectional Study
Notice bibliographique
Résumé
Many people living with HIV experience physical health challenges including mobility problems, pain, and fatigue. Purpose: To estimate how many people living with HIV identify physical health challenges as important using the patient generated index (PGI). Secondary Objectives: (1) Identify factors associated with reporting physical health challenges; (2) Identify relationships between reporting physical health challenges and standardized health-related quality of life (HRQOL) items; and (3) Estimate the extent to which reporting a physical health challenge explains downstream HRQOL outcomes. Method: Cross-sectional data came from a large Canadian cohort. We administered the PGI and three standardized HRQOL measures. PGI text threads were coded according to the World Health Organization's International Classification of Functioning, Disability, and Health. Regression, discriminant analysis, and chi-square tests were used. Results: Of 865 participants, 248 [28.7%; 95% CI (25.7%, 31.8%)] reported a physical health challenge on the PGI. Participants with better pain (OR: 0.81, 95% CI: 0.71, 0.90) and vitality (OR: 0.71, 95% CI: 0.63, 0.80) by 20 points had lower odds of reporting a physical health challenge. Those who reported a physical health challenge had significantly lower HRQOL on some standardized items. Conclusions: The PGI is well-suited to identify the physical challenges of people living with HIV.
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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».