MétaCan
Menu
Retour à la cohorte
Enregistrement W4402694542 · doi:10.3389/dyst.2024.13478

A digital patient-centered outcome tool for cervical dystonia

2024· article· en· W4402694542 sur OpenAlexaff
Sarah Pirio Richardson, Brian D. Berman, Janet Hieshetter, Cynthia L. Comella, David Peterson, Gamze Kilic‐Berkmen, Laura Wright, Samantha Pentecost, Paul Reyes, Joseph Jankovic, Charles H. Adler, Marina A.J. Tijssen, Teresa J. Kimberley, Monika Benson, Joel S. Perlmutter, Fares Qeadan, Hyder A. Jinnah

Notice bibliographique

RevueDystonia · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueBotulinum Toxin and Related Neurological Disorders
Établissements canadiensCentre for Movement Disorders
Organismes subventionnairesNational Institute of Neurological Disorders and StrokeNational Institutes of Health
Mots-clésCervical dystoniaOutcome (game theory)DystoniaMedicinePhysical medicine and rehabilitationPsychiatryMathematics

Résumé

récupéré en direct d'OpenAlex

Introduction To establish clinical trial readiness for dystonia, a crucial step is to develop a Patient-Centered Outcome (PCO) measure to capture therapeutic response in focal dystonia such as in cervical dystonia (CD). Botulinum neurotoxin (BoNT) is the gold standard treatment for focal dystonia and yields improvement; yet the therapy may not meet all patient expectations as there is a high rate of discontinuation. A PCO that can measure therapeutic response, including the waxing and waning benefit of BoNT, across multiple domains and is easy to use on a frequent basis in the home environment is critical. Methods A modified iterative Delphi process based on FDA (Food and Drug Administration) guidelines was used to develop and select items to document patient symptoms and response to treatment. Potential items then were improved using patient focus groups, validated for content with specialist panels, and confirmed items based on a patient survey. Using data from 200 CD patients in the Dystonia Coalition Natural History Database, initial PCO items were identified. Utilizing Random Forests, prospective items were analyzed for their contribution to the overall severity scores on the clinical and patient-centered outcome scales. Items that were repetitive were merged. Iterative meetings with a specialist panel consisting of neurologists, physical therapists, and Patient Advocacy Group (PAG) representatives as well as virtual focus groups of CD patients were held. An online survey was conducted with over 600 CD patients participating. Finally, specialist panel members provided input for a content validity ratio (CVR) with iterations until there was good agreement as to the relevance and clarity of the items. Results PCO measures tailored for CD were successfully developed. The PCO consists of 16 items covering three domains (motor, disability, and psychosocial) and reflects the input of international specialist panels, more than 800 CD patients, and PAGs (patient advocacy groups) following FDA guidance. The PCO is simple enough to be used in an app-based format compatible with smartphones and tablets. Conclusion This comprehensive CD PCO measure was developed through the combination of using robust existing patient centered data (from previous Dystonia Coalition Projects); active engagement with PAGs to provide the patient voice; and use of virtual focus groups and online surveys. This PCO will be used in a prospective study to characterize the therapeutic response to BoNT over time. This will provide peak effect size as well as capturing the “yo-yo” effect during BoNT treatment; and will prepare for a future trials.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,007
score de la tête « metaresearch » (Gemma)0,025
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,043

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,025
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0050,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0130,002

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.

Tête enseignante Opus0,023
Tête enseignante GPT0,285
Écart entre enseignants0,263 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDystoniaMême sujetBotulinum Toxin and Related Neurological DisordersTravaux en français237 207