Clinical Interpretation of Outcome Measures Generated From a Lumbar Computerized Adaptive Test
Notice bibliographique
Résumé
BACKGROUND: A computerized adaptive test (CAT) provides a way of efficiently estimating functional status in people with specific impairments. OBJECTIVE: The purpose of this study was to describe meaningful interpretations of functional status (FS) estimated using a lumbar CAT developed using items from the Back Pain Functional Scale (BPFS) and selected physical functioning items. Design and Setting This was a prospective longitudinal cohort study of 17,439 patients with lumbar spine impairments in 377 outpatient rehabilitation clinics in 30 states. Outcome Measures Patient self-reports of functional status were assessed using a lumbar CAT (0-100 scale). METHODS: Outcome data were interpreted using 4 methods. First, the standard error of the estimate was used to construct a 95% confidence interval for each CAT estimated score. Second, percentile ranks of FS scores were presented. Third, 2 threshold approaches were used to define individual patient-level change: minimal detectable change (MDC) and clinically important change. Fourth, a functional staging model, the Back Pain Function Classification System (BPFCS), was developed and applied. RESULTS: On average, precision of a single score was estimated by FS score+/-4. Based on score distribution, 25th, 50th and 75th percentile ranks corresponded to intake FS scores of 44, 51, and 59, and discharge FS scores of 54, 62, and 74, respectively. An MDC(95) value of 8 or more represented statistically reliable change. Receiver operating characteristic analyses supported that changes in FS scores of 5 or more represented minimal clinically important improvement. The BPFCS appeared clinically logical and provided insight for clinical interpretation of patient progress. LIMITATIONS: The BPFCS should be assessed for validity using prospective designs. CONCLUSIONS: Results may improve clinical interpretation of CAT-generated outcome measures and assist clinicians using patient-reported outcomes during physical therapist practice.
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 | 0,009 | 0,050 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 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) | 0,001 | 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 ».