Health Perceptions and HRQL With Soft‐Tissue Sarcoma at 12 Months Post‐Op: Using the Wilson‐Cleary Model to Evaluate the Measurement Properties of the RNLI and EQ‐5D‐3L
Notice bibliographique
Résumé
INTRODUCTION: It is increasingly apparent that the most used patient-reported outcome measure in health-related quality of life (HRQL) soft-tissue sarcoma research (Toronto Extremity Salvage Score) is limited by its exclusive focus on physical function. It is now recommended that it only be used in combination with other global outcome measures, such as the Reintegration to Normal Living Index (RNLI) and Euroqol-5D-3L (EQ-5D-3L). We assessed the measurement properties of the RNLI and EQ-5D using the Wilson-Cleary Model and sought to better understand health perceptions and HRQL at 12 months post-op. METHODS: Data for this secondary analysis were drawn from an inception cohort of people receiving care for soft-tissue sarcoma at our institution. Inclusion criteria were being ≥ 18 years old and a diagnosis of localized soft-tissue sarcoma (biopsy-confirmed). Measures included the MSTS-87 (pain), RNLI (health perceptions), and EQ-5D-3L (HRQL). RStudio was used to calculate descriptive statistics, assess internal consistency, and evaluate the measurement and structural models. RESULTS: The study sample (n = 276) was 45% female with a mean age of 56 (18). Internal consistency was high with the RNLI (α = 0.91) and acceptable with EQ-5D-3L (α = 0.74). Findings suggested good model fit with the measurement model (CFI = 0.98, RMSEA = 0.37, SRMR = 0.0) and structural model (CFI = 0.98, RMSEA = 0.37, SRMR = 0.08). Moreover, HRQL appeared most impacted by the ability to engage in daily activities (work/study, home maintenance, family affairs, and leisure). CONCLUSION: The RNLI (health perceptions) and EQ-5D (HRQL) appeared to be reliable and valid with this patient group. Findings suggest targets for optimizing soft-tissue sarcoma outcomes are maximizing functional restoration, encouraging participation in fulfilling activities throughout recovery (even if adapted), and routine psychosocial distress monitoring.
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 | 0,015 | 0,033 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,004 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».