MétaCan
Menu
← Retour à la cohorte
Enregistrement W94280491 · doi:10.1136/bmj.322.7299.1417

Who should measure quality of life?

2001· article· en· W94280491 sur OpenAlexaff
Julia Addington‐Hall

Notice bibliographique

RevueBMJ · 2001
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHealth Systems, Economic Evaluations, Quality of Life
Établissements canadiensSt. Thomas Hospital
Organismes subventionnairesnon disponible
Mots-clésMeasure (data warehouse)Computer scienceQuality (philosophy)Data scienceQuality of life (healthcare)MedicineData miningNursing

Résumé

récupéré en direct d'OpenAlex

One of the reasons behind the rapid development of quality of life measures in health care has been the growing recognition of the importance of understanding the impact of healthcare interventions on patients' lives rather than just on their bodies. This is particularly important for patients with chronic, disabling, or life threatening diseases who live without the expectation of cure and have conditions that are likely to have an impact on their physical, psychological, and social wellbeing. Health professionals frequently make quality of life judgments when making decisions about the care of disabled patients,1 and the professional's view on expected quality of life is often the key factor in determining whether effective treatment for a life threatening condition will be given or withdrawn. Professionals' perceptions may, however, be at odds with those held by their patients. It is therefore important to ask patients to assess their own quality of life using one of a growing number of reliable and valid measures. Choosing an appropriate measure and using it in clinical practice can be problematic. Deciding to use a measure, however, presupposes that patients are able to assess their own quality of life and complete a quality of life measure. Some patients—and in some conditions many patients—are unable to do this because of cognitive impairments, communication deficits, severe distress caused by their symptoms, or because the quality of life measure is too burdensome physically or emotionally. These may be precisely the patients for whom information on quality of life is most needed to inform clinical decision making. Rather than lose all information on that patient, someone else (a family member or health professional) may be asked to act as a proxy or surrogate. In this paper the use of proxies to measure quality of life is addressed. We consider the advantages and disadvantages of using proxies to rate quality of life, debate the reasons why a proxy's view and a patient's view may differ, and suggest directions for future research.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,011
score de la tête « metaresearch » (Gemma)0,109
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Méthodes · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Commentaire · Signal consensuel: Commentaire
Score de désaccord entre enseignants0,989
Score d'incertitude au seuil0,168

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0110,109
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,002
Communication savante0,0030,005
Science ouverte0,0020,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0500,008

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.

Tête enseignante Opus0,663
Tête enseignante GPT0,504
Écart entre enseignants0,159 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeThéorique ou conceptuel
DomaineMéthodes
GenreCommentaire

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations340
Publié2001
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBMJ→Même sujetHealth Systems, Economic Evaluations, Quality of Life→Travaux en français237 207→