International development and validation of a multilingual bank of items for the self-assessment of essential knowledge by systemic lupus erythematosus patients: the SLE Knowledge Assessment score (SLAKE)
Notice bibliographique
Résumé
OBJECTIVES: Patient education is increasingly acknowledged as an important aspect of the management of systemic lupus erythematosus (SLE). The aim of the study was to develop the SLE Knowledge Assessment score (SLAKE), a digital multilingual self-assessment tool designed to quantify essential SLE knowledge. METHODS: International healthcare professionals (HCPs) and patient representatives engaged in a multi-step process to: identify essential SLE knowledge domains, select key domains via rating, and generate an item bank of 394 questions across 11 domains, which was then adapted into 19 languages. For validation, participants completed 44 questions (including 33 randomly selected), with scores calculated for total knowledge and the 11 specific domains. Statistical analyses examined associations between scores and demographic, clinical, and educational variables. RESULTS: SLAKE was used by 1182 SLE participants (1120 [94.8%] women, median age: 45 years [IQR: 35-54 years]), with a median SLE duration of 10 years (IQR: 4-20 years). The median SLAKE score was 37 (IQR: 34-40) of a maximum of 44 points while the median score across the 11 SLAKE domains ranged between 3 and 4 over a maximum of 4 points. There was a significant positive association between SLAKE score and SLE duration (p= 0.006), previous participation to a patient education course or a patient training for lupus (p< 0.0001) and the education level (p< 0.0001) but not with age (p= 0.48) or gender (p= 0.39). CONCLUSION: SLAKE is a valid, multilingual, digital self-assessment tool that effectively measures essential SLE knowledge. Its randomized question bank and domain-specific scoring enable targeted education, ultimately supporting better disease management.
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 | 0,014 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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; 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 ».