Top 10 priorities for chronic cough: Canadian James Lind Alliance Priority-Setting Partnership (CAN-COUGH)
Notice bibliographique
Résumé
Background: Chronic cough significantly impacts individuals' quality of life and poses challenges for healthcare providers due to limited licensed treatments, side effects of available medications and difficulty accessing nonpharmacological interventions. Understanding priorities for research, education and knowledge dissemination from the perspectives of individuals with chronic cough and healthcare providers can guide future efforts. This study aimed to identify these key priorities in Canada. Study design and methods: We conducted a cross-sectional study using the James Lind Alliance (JLA) method to set priorities. Chronic cough was identified as the healthcare problem. Participants rated items related to research, education and knowledge dissemination in an online survey using a seven-point Likert scale. Results of the survey were reviewed by the Canadian Thoracic Society's (CTS) multidisciplinary working group and patient partners who engaged in a face-to-face Priority-Setting Partnership, to establish a "Top 10" priorities list for chronic cough. Results: 74 individuals with chronic cough and 62 healthcare providers completed the scoping survey. The top-rated priorities included enhancing knowledge of existing treatments, developing new treatments and improving diagnostic testing. The final "Top 10" priorities list emphasised the need for developing infrastructure for evaluating new treatments, improving understanding of biological mechanisms and raising awareness among the public and policymakers. Conclusion: This is the first priority-setting project for chronic cough, highlighting key areas to address in research, education and dissemination. The identified priorities will serve as a foundation for future efforts to improve the management and care of individuals with chronic cough.
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 | 0,006 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».