Inter-examiner reliability of diplomats in the mechanical diagnosis and therapy system in assessing patients with shoulder pain
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
OBJECTIVE: To investigate the inter-examiner reliability of Mechanical Diagnosis and Therapy (MDT)-trained diplomats in classifying patients with shoulder disorders. The MDT system has demonstrated acceptable reliability when used in patients with spinal disorders; however, little is known about its utility when used for appendicular conditions. METHODS: Fifty-four clinical scenarios were created by a group of 11 MDT diploma holders based on their clinical experience with patients with shoulder pain. The vignettes were made anonymous, and their clinical diagnoses sections were left blank. The vignettes were sent to a second group of six international McKenzie Institute diploma holders who were asked to classify each vignette according to the MDT categories for upper extremity. Inter-examiner agreement was evaluated with kappa statistics. RESULTS: There was 'very good' agreement among the six MDT diplomats for classifying the McKenzie syndromes in patients with shoulder pain (kappa = 0.90, SE = 0.018). The raw overall level of multi-rater agreement among the six clinicians in classifying the vignettes was 96%. After accounting for the actual MDT category for each vignette, kappa and the raw overall level of agreement decreased negligibly (0.89 and 95%, respectively). DISCUSSION: Using clinical vignettes, the McKenzie system of MDT has very good reliability in classifying patients with shoulder pain. As an alternative, future reliability studies could use real patients instead of written vignettes.
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.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle