Measuring Outcomes Relevant to the Décolletage From the Patient Perspective: Development and Validation of the BODY-Q Décolletage Scale
Notice bibliographique
Résumé
BACKGROUND: A range of cosmetic treatments to improve skin quality of the décolletage are available. To measure outcomes from the patient perspective, a rigorously developed patient-reported outcome measure (PROM) is needed. OBJECTIVES: The aim of this study was to develop and validate the BODY-Q Décolletage scale. METHODS: Appearance-related codes from BODY-Q concept elicitation interviews were re-examined and 13 items drafted and refined through qualitative interviews with patients and clinicians. The scale was tested in an online international sample of women aged ≥25 years who had previously received a treatment for the décolletage, or in the past 12 months had received a cosmetic treatment at a plastic surgery or dermatology clinic. Data were analysed with both Rasch measurement theory and classical test theory. Construct validity involved testing 20 hypotheses. Convergent validity tests included correlations between the décolletage scale and other BODY-Q scales and the SKIN-Q. RESULTS: Interviews conducted with 15 patients and 5 clinicians led to a 16-item scale with items that covered scenarios (mirror, photographs, low neckline, lay on side, breasts together, arms crossed, get up, up close), comparisons (with other people), age concerns (youthful, age), qualitative concerns (attractive, healthy), skin tone (even-colored), and texture (smooth, texture). The field test included 334 participants. An item with poor fit to the Rasch model was dropped. Data for the remaining 15 items fit the Rasch model (χ2 = 76.72, df = 60, P = .07). All items had ordered thresholds and good item fit. All reliability statistics were >0.93. A total of 19 of 20 predefined hypotheses (95%) were met, providing evidence of construct validity. CONCLUSIONS: The BODY-Q Décolletage scale is available to incorporate the perspective of patients into clinical care and clinical trials of minimally invasive treatments to improve skin quality.
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 | 0,018 | 0,036 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».