MétaCan
Menu
Retour à la cohorte
Enregistrement W4404533449 · doi:10.1007/s10198-024-01729-4

Cancer-specific utility: clinical validation of the EORTC QLU-C10D in patients with glioblastoma

2024· article· en· W4404533449 sur OpenAlexaboutno aff
Simone Seyringer, Micha J. Pilz, Andrew Bottomley, Madeleine T King, Richard Norman, Eva‐Maria Gamper

Notice bibliographique

RevueThe European Journal of Health Economics · 2024
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHealth Systems, Economic Evaluations, Quality of Life
Établissements canadiensnon disponible
Organismes subventionnairesEuropean Organisation for Research and Treatment of Cancer
Mots-clésCeiling effectMedicineQuality of life (healthcare)EQ-5DClinical trialConstruct validityPhysical therapyCancerHealth related quality of lifeStatisticsDiseaseInternal medicinePsychometricsClinical psychologyAlternative medicinePathologyMathematics

Résumé

récupéré en direct d'OpenAlex

INTRODUCTION: Many health economic evaluations rely on the validity of the utility measurement for health-related quality of life (HRQoL). While generic utility measures perform well in HRQoL assessments of many diseases and patient populations, appropriateness for cancer-specific disease burdens needs attention and condition-specific measures could be a viable option. This study assessed the clinical validity of the cancer-specific EORTC QLU-C10D, a utility scoring algorithm for the EORTC QLQ-C30, in patients with glioblastoma. We expect the EORTC QLU-C10D to be sensitive and responsive in glioblastoma patients. Furthermore, we compared its statistical efficiency with the generic utility measure EQ-5D-3L. METHODS: We used data from a multi-center randomized controlled trial (NCT00689221) with patients from 146 study sites in 25 countries. Both, the QLQ-C30 and the EQ-5D-3L, had been administered at seven assessment points together. Utilities of both measures were calculated for four country value set (Australia, Canada, UK, USA). Ceiling effects, agreement (Bland-Altman plots (BA), intra-class correlation (ICC)), were calculated to analyze construct validity. Sensitivity to known-groups (performance status; global health) and responsiveness to changes (progressive vs. non-progressive; stable vs. improved or deteriorated HRQoL) were investigated for clinical validity. Relative Efficiency (RE) was calculated to compare statistical efficiency of both utility measures. RESULTS: 435 patients were included at baseline and six subsequent time points (median timeframe 497 days). QLU-C10D country value set showed negligible ceiling effects (< 6.7%) and high agreement with EQ-5D-3L (ICC > 0.750). BA indicated that differences between both utility measures increased with deteriorating health states. While the QLU-C10D was more sensitive to global health groups (RE > 1.2), the EQ-5D-3L was more sensitive to performance status groups (RE < 0.7) than the other utility measure. Statistical efficiency to detect differences between change groups and within HRQoL deterioration group (RE > 1.4) favored QLU-C10D in 18 of 24 (75%) and 20 of 24 (83%) comparisons with the EQ-5D-3L respectively. Responsiveness to overall HRQoL change (RE > 3.4) also favored the QLU-C10D. CONCLUSION: Our results indicate that the QLU-C10D is a valid utility measure to assess HRQoL in patients with glioblastoma. This facilitates the investigation of HRQoL profiles and utilities in this patient population by administering a single questionnaire, the EORTC QLQ-C30. Efficiency analyses point to higher statistical power of the QLU-C10D compared to the EQ-5D-3L.

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)0,026
score de la tête « metaresearch » (Gemma)0,038
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,026
Score d'incertitude au seuil0,136

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0260,038
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,302
Tête enseignante GPT0,418
Écart entre enseignants0,115 · 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'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations4
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe European Journal of Health EconomicsMême sujetHealth Systems, Economic Evaluations, Quality of LifeTravaux en français237 207