Development and validation of item sets to improve efficiency of administration of the 66‐item Gross Motor Function Measure in children with cerebral palsy
Notice bibliographique
Résumé
AIM: To develop an algorithmic approach to identify item sets of the 66-item version of the Gross Motor Function Measure (GMFM-66) to be administered to individual children, and to examine the validity of the algorithm for obtaining a GMFM-66 score. METHOD: An algorithmic approach was used to identify item sets of the GMFM-66 (GMFM-66-IS) using data from 95 males and 79 females with cerebral palsy (CP; mean age 14y 7mo, SD 1y 8mo, range 12y 7mo to 17y 8mo). The GMFM-66-IS scores were then validated using combined data from three Dutch studies involving 134 males and 92 females with CP (mean age 7y, SD 4y 6mo, range 1y 4mo to 13y 8mo), representing all levels of the Gross Motor Function Classification System. RESULTS: The final algorithm contains three decision items from the GMFM-66 that determine which one of four item sets to administer. The GMFM-66-IS has excellent agreement with the full GMFM-66 both at a single assessment (intraclass correlation coefficient [ICC]=0.994, 95% confidence intervals [CI] 0.993-0.996) and across repeat assessments (ICC=0.92, 95% CI 0.89-0.95). INTERPRETATION: The GMFM-66-IS is a promising alternative to the full GMFM-66. Users should be consistent in their choice of measure (GMFM-66 or GMFM-66-IS) on repeat testing and clearly identify which method was used.
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 | 0,045 | 0,124 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,004 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».