Long-term prognostic counselling in people with multiple sclerosis using an online analytical processing tool
Notice bibliographique
Résumé
Background:Prognostic counselling is a sensitive issue in medicine and especially so in MS due to the highly heterogeneous disease course. However, people with MS (pwMS) seek prognostic information. The web-based ‘Evidence-Based Decision Support Tool in Multiple Sclerosis’ (EBDiMS) uses data of 717 patients from the London/Ontario cohort to calculate personalized long-term prognostic information.Objective:The aim of this study was to investigate the feasibility and effect of long-term prognostic counselling in pwMS using EBDiMS.Methods:Ninety consecutive pwMS were provided with personalized estimations of expected time to reach Expanded Disability Status Scale (EDSS) scores of 6 and 8 and time to conversion to secondary-progressive MS. Participants gave estimates on their own putative prognosis and rated the tool’s acceptability on six-step Likert-type scales.Results:Participants rated EBDiMS as highly understandable, interesting and relevant for patient–physician encounters, coping and therapy decisions. Although it provoked a certain degree of worry in some participants, 95% would recommend using the tool. Participants’ own prognosis estimates did not change significantly following EBDiMS.Conclusion:Long-term prognostic counselling using an online tool has been shown to be feasible in a clinical setting. EBDiMS provides pwMS with relevant, easy-to-understand, long-term prognostic information without causing relevant anxiety.
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 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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 tête enseignante, 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 ».