Anchoring Patient Voices to Shape the Future of Patient-reported Outcomes
Notice bibliographique
Résumé
Patients with interstitial lung disease (ILD) frequently experience symptoms such as cough, dyspnea, and fatigue.These symptoms not only affect the patient's quality of life (QOL) (1) but also have prognostic significance in predicting mortality (2).Immunosuppressive treatments for inflammatory ILD may improve dyspnea (3), whereas diseasemodifying antifibrotic medications slow disease progression in fibrotic ILD without significantly improving QOL (4, 5).From a patient perspective, this can mean taking medications that do not alleviate symptoms and may cause considerable side effects.To date, the only interventions shown to improve QOL in ILD are ambulatory oxygen (6), pulmonary rehabilitation, and morphine therapy for cough (7), none of which prolong survival in this progressive disease.Recently, there has been a shift in the research community to ensure studies not only assess therapeutic efficacy on objective clinical outcomes, such as forced vital capacity, but also incorporate patient voices and priorities.A recent mixed-methods
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 | 0,039 | 0,206 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,008 | 0,016 |
| Communication savante | 0,014 | 0,015 |
| Science ouverte | 0,003 | 0,008 |
| Intégrité de la recherche | 0,062 | 0,070 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,004 |
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 ».