Comparison of the EQ-5D-5L and the patient-reported outcomes measurement information system preference score (PROPr) in the United States
Notice bibliographique
Résumé
BACKGROUND: In contrast to prior research, our study presents longitudinal comparisons of the EQ-5D-5L and Patient-Reported Outcomes Measurement Information System (PROMIS) preference (PROPr) scores. This fills a gap in the literature, providing a much-needed understanding of these preference-based measures and their applications in healthcare research. Furthermore, our study provides equations to estimate one measure from the other, a tool that can significantly facilitate comparisons across studies. METHODS: members living in the United States. A subset of 1,256 (82% response rate) with back pain also completed the six-month follow-up survey. We then conducted thorough cross-sectional and longitudinal analyses of the two measures, including product-moment correlations between scores, associations with demographic variables, and health conditions. To estimate one measure from the other, we used ordinary least squares (OLS) regression with the baseline data from the general population. RESULTS: The correlation between the EQ-5D-5L and PROPr scores was 0.69, but the intraclass correlation was only 0.34 because the PROPr had lower (less positive) mean scores on the 0 (dead) to 1 (perfect health) continuum than the EQ-5D-5L. The associations between the two preference measures and demographic variables were similar at baseline. The product-moment correlation between unstandardized beta coefficients for each preference measure regressed on 22 health conditions was 0.86, reflecting similar patterns of unique associations. Correlations of change from baseline to 6 months in the two measures with retrospective perceptions of change were similar. Adjusted variance explained in OLS regressions predicting one measure from the other was 48%. On average, the predicted values were within a half-standard deviation of the observed EQ-5D-5L and PROPr scores. The beta-binomial regression model slightly improved over the OLS model in predicting the EQ-5D-5L from the PROPr but was equivalent to the OLS model in predicting the PROPr. CONCLUSION: Despite substantial mean differences, the EQ-5D-5L and PROPr have similar cross-sectional and longitudinal associations with other variables. We provide the OLS regression equations for use in cost-effectiveness research and meta-analyses. Future studies are needed to compare these measures with different conditions and interventions to provide more information on their relative validity.
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 | 0,010 | 0,032 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,000 | 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 ».