What outcomes are important to people with foot and ankle disorders in rheumatic and musculoskeletal diseases? An OMERACT qualitative interview study across four continents
Notice bibliographique
Résumé
BACKGROUND: The foot and ankle are frequently affected in rheumatic and musculoskeletal diseases (RMDs), yet there is a lack of high-quality evidence to determine the effectiveness of treatments. Outcomes in research are often inconsistently measured, impeding evidence synthesis. Additionally, clinical decisions are based on research outcomes, but these are not always regarded as important by people with RMDs. This study aimed to determine domains of importance to people with RMDs who have experienced foot and ankle disorders, and aid in developing a standardised core outcome set (COS) to address these issues. METHODS: Participants from four continents (Europe, Africa, Australia, North America) were recruited to semi-structured interviews through clinical departments and electronic mailing lists. Analysis was conducted using a mixed deductive/inductive approach to the framework method. Patient research partners co-produced the interview schedule and recruitment materials, and co-interpreted results. RESULTS: Fifty-six participants (age range 27 to 76 years; 66 % female), with foot and ankle disorders in a variety of RMDs (including inflammatory arthritis, osteoarthritis, crystal arthropathies, connective tissue diseases), were interviewed. Sixteen domains were described by participants: pain, physical function, fatigue, deformity, skin and nail health, swelling, temperature, numbness, poor circulation, cramping, activities/participation, footwear impact, psychological impact, sleep, healthcare utilisation and personal expenses. Most domains were considered important to participants regardless of RMD or geographic location. CONCLUSIONS: Foot and ankle disorders have far-reaching consequences for people with RMDs. This large qualitative study provides a foundation for achieving international consensus on a core outcome set for foot and ankle disorders in RMDs, to improve the quality of evidence demonstrating effectiveness of treatments.
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 | 0,020 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,008 | 0,007 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,001 | 0,007 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».