Patient-reported Outcome Measures for Peripheral Nerve Injuries: A Systematic Review
Notice bibliographique
Résumé
Background: The goal of managing patients with peripheral nerve injuries is to improve how a patient feels and functions. This goal is best assessed with patient-reported outcome measures (PROMs), which elicit patient concerns, treatment goals, and clinical progression. This study reviews existing PROMs for adult patients with peripheral nerve injuries to assess how comprehensively they measure outcomes important to patients. Methods: A systematic review of Ovid MEDLINE, Scopus, Web of Science, and Embase (from inception to August 13, 2022) was conducted to identify PROMs developed for adult patients with peripheral nerve injuries. Studies were included if (1) the study population involved traumatic or acquired peripheral nerve injuries; (2) they were randomized controlled trials, cohort studies, or single-arm observational studies; (3) participants were 18 years or older; and (4) PROMs were used to assess quality of life or patient satisfaction. Results: A total of 378 studies were included in this systematic review. We identified 141 unique PROMs used in the adult peripheral nerve injury literature: 20 are disease-specific (14%), 10 are function-specific (7%), 19 are mental health and well-being-specific (13%), 11 are quality of life-specific (8%), 32 are body region-specific (23%), 29 are symptom-specific (21%), 3 are satisfaction-specific (2%), 15 are generic (11%), and 2 are other (1%). Conclusions: There exists considerable heterogeneity of PROMs used in research on patients with peripheral nerve injuries. None of the PROMs comprehensively assess this patient population. The need for the development of a comprehensive PROM for this patient population is highlighted.
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 | 0,001 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,007 | 0,002 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».