The future of patient-reported outcome measurement in hyperhidrosis lies in thoughtful, evidence-based implementation
Notice bibliographique
Résumé
Hyperhidrosis, a condition characterized by excessive sweating, consists of the following two main types: primary focal hyperhidrosis, which is idiopathic and affects localized areas (e.g. palms, soles, underarms), and secondary generalized hyperhidrosis, which is often associated with medical conditions and/or medications, resulting in generalized sweating.1 Hyperhidrosis impacts how patients feel and function, which ultimately impacts their quality of life.2 These concepts are best captured from the patient’s perspective, using self-report instruments known as patient-reported outcome measures (PROMs). The benefits of PROMs are well-documented; they improve communication between patients and providers, improve the measurement of key clinical outcomes and provide insights into treatment impacts.3 Selecting a high-quality PROM tailored to a specific clinical setting is essential, as not all PROMs are developed and/or validated to the same standard. High-quality PROMs adhere to COSMIN standards, which assess criteria including validity, reliability and responsiveness.4 The Hyperhidrosis Quality of Life Index (HidroQoL©), a PROM specifically developed for hyperhidrosis, has demonstrated acceptable measurement properties in previous studies.5,6 In a study by Donhauser et al., the measurement properties of HidroQoL are further validated, with evidence that it can detect meaningful changes in individual patients over time, improving interpretability, particularly for healthcare providers tracking patient progress over time.7
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 | 0,508 | 0,630 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,008 | 0,005 |
| Bibliométrie | 0,008 | 0,008 |
| Études des sciences et des technologies | 0,002 | 0,007 |
| Communication savante | 0,015 | 0,020 |
| Science ouverte | 0,007 | 0,009 |
| Intégrité de la recherche | 0,008 | 0,012 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,003 |
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 ».