Reliability of the Visual Assessment of Cervical and Lumbar Lordosis: How Good Are We?
Notice bibliographique
Résumé
STUDY DESIGN: Blinded test-retest design. OBJECTIVE: To measure the intrarater and interrater reliability of the visual assessment of cervical and lumbar lordosis. SUMMARY OF BACKGROUND DATA: Cervical and lumbar lordoses are frequently evaluated using visual assessment, but little attempt has previously been made to measure the reliability of visual assessment. METHODS: Twenty-eight chiropractors, physical therapists, physiatrists, rheumatologists, and orthopedic surgeons were recruited to evaluate the posture of photographed subjects (with and without back pain). Each clinician rated the lordosis of the cervical and lumbar spines as normal, increased, or decreased. Kappa coefficients (kappa) were calculated to determine intrarater and interrater reliability. RESULTS: Twenty-eight clinicians evaluated photographs of 36 individuals (17 with back pain, 19 without). Mean intrarater reliability was kappa = 0.50 (95% confidence interval 0.02-0.98) and mean interrater reliability was kappa = 0.16 (95% confidence interval 0.00-0.48). No statistically significant difference existed among the five groups of clinicians or between the evaluation of the subjects with and without back pain. CONCLUSION: Intrarater reliability of the visual assessment of cervical and lumbar lordosis was statistically fair, whereas interrater reliability was poor.
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 | 0,150 | 0,283 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».