Determination of the Minimal Clinically Important Difference (MCID) for Ocular Subjective Responses
Notice bibliographique
Résumé
Purpose: To determine the minimal clinically important difference (MCID) for contact lens (CL)-related subjective responses and explore whether MCID values differ between subjective responses and study designs. Methods: This was a retrospective analysis of data from seven one-week bilateral crossover studies and 14 one-day contralateral CL studies. For comfort, dryness, vision, or ease of insertion, participants rated on a 0-100 visual analogue scale (VAS) and indicated lens preference on a five-point Likert scale featuring strong, slight, and no preferences. For each criterion, four MCID estimates were calculated and averaged: mean VAS score difference for "slight preference," lower limit of 95% confidence interval VAS score difference for "slight preference," difference in mean VAS score difference between "slight" and "no preference" and 0.5 standard deviation of VAS scores. Results: The four calculation methods generated a small range of MCID values. For bilateral studies, the averaged MCID was 7.2 (range 5.4-8.8) for comfort, 8.1 (5.2-10.6) for dryness, 7.1 (5.5-9.3) for vision and 7.6 (6.0-10.5) for ease of insertion. For contralateral studies, the averaged MCID was 6.9 (6.1-7.6) for comfort at insertion and 7.5 (6.8-8.2) for end-of-day comfort. Conclusions: This work demonstrated very similar MCID values across subjective responses and study designs, in a population of habitual soft CL wearers. In all cases, MCID values were on average seven units on a 0 to 100 VAS. Translational Relevance: This work provides MCID values which are important for interpreting ocular subjective responses and planning clinical studies.
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 | 0,102 | 0,231 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».