Development of the McMaster Cough Severity Questionnaire (MCSQ) for patients with chronic cough
Notice bibliographique
Résumé
<bold>Background:</bold> Cough severity is an important endpoint to assess the impact of therapies for refractory or unexplained chronic cough (RCC/UCC). <bold>Objective:</bold> To develop a patient-reported outcome measure addressing cough severity in patients with RCC/UCC. <bold>Methods:</bold> Phase 1: A systematic survey, focus groups, and expert consultation generated 51 items. Phase 2: From a list of 51 items, 100 patients identified those they had experienced in the previous year and rated their importance on a 5-point scale. The draft MCSQ included items reported to occur most frequently and that had the highest importance scores. Patient feedback on the draft MCSQ led to elimination of redundant items. Phase 3: Another 100 patients completed the draft MCSQ, from which we performed an exploratory factor analysis to further refine items on the MCSQ and assess its construct validity and internal consistency. Results: Item reduction using the impact method led to selection of 15 items for the draft MCSQ. Patient feedback on the 15 items led to elimination of 5 redundant items. An exploratory factor analysis of the 10-item MCSQ led to selection of two domains (intensity and frequency), elimination of one item that demonstrated substantial cross-loading, and another that had high inter-item correlations. The final MCSQ consisted of 8 items, each with a one-week recall period, under two domains. The 8-item MCSQ had high internal consistency (α=0.89) and high cross-sectional convergent validity (r=0.76 [95% CI 0.66 to 0.83]) with the 100-mm cough severity visual analogue scale. <bold>Conclusions:</bold> Initial evidence supports the validity of the MCSQ. Further studies should assess its properties in measuring change over time.
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 | 0,000 |
| 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 ».