Predicting the EQ-5D-5L Utility Scores From the Impact of Vision Impairment Questionnaire in Thai Patients
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Objectives This study aims to predict the EQ-5D-5L utility scores from the impact of vision impairment (IVI) questionnaire in Thai patients using mapping techniques. Methods This is a secondary data analysis. A total of 499 patients with multiple levels of visual impairment were recruited from King Chulalongkorn Memorial Hospital in Thailand between February and July 2022. Ordinary least square, Tobit, censored least absolute deviation, and adjusted limited dependent variable mixture model regression models were used to map the IVI questionnaire onto EQ-5D-5L index scores. IVI domain scores, IVI total score, gender, age, employment status, and best corrected visual acuity were included as predictors. Performance metrics including root mean square error, mean absolute error, and adjusted R 2 were used to determine the best predictive model. Results The results indicated that EQ-5D-5L index scores were significantly associated with the reading and emotional well-being domains of the IVI. Among sociodemographic and clinical variables, higher age score was significantly associated with lower EQ-5D index scores ( P < .01). The mean predicted EQ-5D-5L value (0.803) was lower than the mean observed value (0.808). The adjusted limited dependent variable mixture model 1-component model demonstrated the best predictive performance (root mean square error 0.137, mean absolute error 0.101, adjusted R 2 0.689). Conclusions Mapping techniques effectively predicted EQ-5D-5L utility scores from the IVI questionnaire in Thai patients. The predicted model enhances decision analysis by capturing health utility values, informing quality-adjusted life-years, and supporting health economic evaluations when vision-specific measures are available.
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.
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 | 0,015 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 découle