Development of a minimum data set for long COVID: a Delphi study protocol
Notice bibliographique
Résumé
INTRODUCTION: Previous consensus-based long COVID research has focused on establishing research priorities, developing clinical definitions, core outcomes and a list of recommendations of patient-reported outcome measures that can be used to assess and characterise long COVID. Complementing and extending this work, the proposed study will bring together diverse knowledge users to prioritise concepts of care, quality of life and symptoms to inform a national patient registry on long COVID. METHODS AND ANALYSIS: We will conduct a Delphi process involving Canadians with lived experiences and/or professional expertise with long COVID (including clinicians, policymakers, caregivers and community leaders). A pool of long COVID survey questions has been established through an environmental scan; these questions were coded by topic and will be presented via a series of online, anonymous survey questionnaires to a diverse cohort of 100 participants. Over the course of three Delphi rounds, participants will prioritise and recommend topics related to care, quality of life and symptoms. We will use the prioritised topics to develop a list of core questions as a minimum data set to standardise data collection and inform a national patient registry on long COVID in Canada. ETHICS AND DISSEMINATION: This study has been approved by the University of Saskatchewan Behavioural Research Ethics Board (BEH #4296). Findings will be shared at national conferences and will be published in an open-access peer-reviewed journal. In addition, the minimum data set will be shared with key knowledge users as recommendations to inform a national long COVID patient registry.
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 | 0,233 | 0,176 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,003 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| Bibliométrie | 0,009 | 0,005 |
| Études des sciences et des technologies | 0,007 | 0,005 |
| Communication savante | 0,006 | 0,008 |
| Science ouverte | 0,006 | 0,011 |
| Intégrité de la recherche | 0,005 | 0,009 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,048 | 0,011 |
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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».