Development and validation of a patient‐reported outcome measure for hair loss treatment: The <scp>HAIR</scp>‐Q
Notice bibliographique
Résumé
Abstract Background Patient‐reported outcome measures (PROMs) for hair loss focus mainly on Alopecia Areata. We created a PROM (i.e., HAIR‐Q) that is applicable to any hair loss condition. The HAIR‐Q measures satisfaction with hair. Patients/Methods Concept elicitation interviews were conducted and analyzed to develop a draft scale. Content validity was established through multiple rounds of patient and expert input. Psychometric properties of the scale were examined in an online sample (i.e., Prolific) using Rasch measurement theory (RMT) analysis. Test–retest reliability and tests of construct validation were examined. Results Content validity of a 22‐item draft scale was established with input from 11 patients, 12 experts and an online Prolific sample of 59 people who had a variety of hair loss treatments. In the RMT analysis ( n = 390), 8 items were dropped. Data for the 14‐item scale fit the Rasch model (χ 2 = 89.85, df = 70, p = 0.06). All 14 items had ordered thresholds and good item fit. Reliability was high with person separation index and Cronbach alpha values ≥0.91, and intraclass correlation coefficient of 0.94 based on a sample of 97 participants. Higher (better) scores on the scale were associated with having more hair, looking younger than ones' age, satisfaction with hair overall, being less bothered by hair loss, and for those who had a hair loss treatment in the past year, being more satisfied with their hair now than before treatment ( p < 0.001). Conclusion The HAIR‐Q evidenced reliability and validity and can be used in research and to inform clinical care to measure satisfaction with hair from the patient perspective.
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 | 0,001 |
| 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 ».