Scoping review of exposure questionnaires and surveys in interstitial lung disease
Notice bibliographique
Résumé
BACKGROUND: Many interstitial lung diseases (ILDs) have clear causal relationships with environmental and occupational exposures. Exposure identification can assist with diagnosis, understanding disease pathogenesis, prognostication and prevention of disease progression and occurrence in others at risk. Despite the importance of exposure identification in ILD, there is no standardised assessment approach. Many questionnaires are in clinical and research use, yet their utility, applicability, relevance and performance characteristics are unknown. OBJECTIVES: This scoping review aimed to summarise the available evidence relating to ILD exposure assessment questionnaires, identify research gaps and inform the content for a future single evidence-based ILD questionnaire. METHODS: A scoping review based on Arksey and O'Malley's methodological framework was conducted. ELIGIBILITY CRITERIA: Any questionnaire that elicited exposures specific to ILD was included. A modified COSMIN Risk of Bias Framework was used to assess quality. SOURCES OF EVIDENCE: Relevant articles were identified from MEDLINE and EMBASE up to 23 July 2023. RESULTS: 22 exposure questionnaires were identified, including 15 generally pertaining to ILD, along with several disease-specific questionnaires for hypersensitivity pneumonitis (n=4), chronic beryllium disease, sarcoidosis and silicosis (1 questionnaire each). For most questionnaires, quality was low, whereby the methods used to determine exposure inclusion and questionnaire validation were not reported or not performed. Collectively the questionnaires covered 158 unique exposures and at-risk occupations, most commonly birds, mould/water damage, wood dust, asbestos, farming, automotive mechanic and miners. Only five questionnaires also provided free-text fields, and 13 queried qualifiers such as temporality or respiratory protection. CONCLUSIONS: Designing a robust ILD-specific questionnaire should include an evidence-based and relevance-based approach to exposure derivation, with clinicians and patients involved in its development and tested to ensure relevance and feasibility.
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 | 0,009 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,001 |
| 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 ».