Impact of speeding on the validity of patient-reported outcome measures. An analysis of psychometric properties stratified by response times
Notice bibliographique
Résumé
Abstract Background Randomised trials and meta-evidence increasingly rely on patient-reported outcome measures (PROMs). The psychometric properties of patient-reported outcome measures PROMs, including validity, reliability, and responsiveness, are typically established using high-quality datasets, which may not reflect the data quality in clinical trials. Increasing survey burden and fatigue may lead to issues with short response times that can reflect insufficient engagement. This phenomenon, often referred to as ‘speeding’ can lead to random, patterned, or otherwise invalid responses. Objective This study aims to investigate how response times influence the psychometric properties of the Western Ontario and McMaster Universities Osteoarthritis Index (WOMAC) pain domain in patients with chronic postsurgical pain. Methods The study is based on responses to the 5-item Western Ontario and McMaster Universities Osteoarthritis Index (WOMAC) pain domain (Likert-scale, version 3.1) from 2,031 patients who underwent total hip arthroplasty (THA), 2,172 patients who underwent total knee arthroplasty (TKA), and 870 patients who underwent unicompartmental knee arthroplasty (UKA) more than one year previously. Each of the three datasets, containing patients who have undergone THA, UKA and TKA, are individually stratified into response time deciles. For each of the deciles, we will evaluate if the data fit a congeneric measurement model, i.e. a model that assumes that the set of observed items all measure the same underlying latent factor. This evaluation of construct validity is done using Item Response Theory (IRT) and Confirmatory Factor Analysis (CFA). Perspective The results will be submitted for publication in a peer-reviewed journal. We will seek to make the report freely available, either by open-access publication or through publication on a preprint server, e.g. www.medrxiv.org .
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 | 0,652 | 0,736 |
| Méta-épidémiologie (sens strict) | 0,005 | 0,002 |
| Méta-épidémiologie (sens large) | 0,011 | 0,048 |
| Bibliométrie | 0,005 | 0,009 |
| Études des sciences et des technologies | 0,002 | 0,006 |
| Communication savante | 0,007 | 0,011 |
| Science ouverte | 0,005 | 0,006 |
| Intégrité de la recherche | 0,006 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».