MétaCan
Menu
Retour à la cohorte
Enregistrement W2116017095 · doi:10.1016/j.pain.2011.01.028

Norming of the Tampa Scale for Kinesiophobia across pain diagnoses and various countries

2011· article· en· W2116017095 sur OpenAlexaffabout
Jeffrey Roelofs, Gerard van Breukelen, Judith Sluiter, Monique H. W. Frings‐Dresen, Mariëlle E. J. B. Goossens, Pascal Thibault, Katja Boersma, Johan W.S. Vlaeyen

Notice bibliographique

RevuePain · 2011
Typearticle
Langueen
DomaineMedicine
ThématiqueMusculoskeletal pain and rehabilitation
Établissements canadiensMcGill University
Organismes subventionnairesVlaamse regeringNederlandse Organisatie voor Wetenschappelijk OnderzoekFonds Wetenschappelijk Onderzoek
Mots-clésFibromyalgiaPsychologyPhysical therapyMedical diagnosisClinical psychologyPsychiatryMedicinePathology

Résumé

récupéré en direct d'OpenAlex

The present study aimed to develop norms for the Tampa Scale for Kinesiophobia (TSK), a frequently used measure of fear of movement/(re)injury. Norms were assessed for the TSK total score as well as for scores on the previously proposed TSK activity avoidance and TSK somatic focus scales. Data from Dutch, Canadian, and Swedish pain samples were used (N=3082). Norms were established using multiple regression to obtain more valid and reliable norms than can be obtained by subgroup analyses based on age or gender. In the Dutch samples (N=2236), pain diagnosis was predictive of all TSK scales. More specifically, chronic low back pain displayed the highest scores on the TSK scores followed by upper extremity disorder, fibromyalgia, and osteoarthritis. Gender was predictive of TSK somatic focus scores and age of TSK activity avoidance scores, with male patients having somewhat higher scores than female patients and older patients having higher scores compared with younger patients. In the Canadian (N=510) and Swedish (N=336) samples, gender was predictive of all TSK scales, with male patients having somewhat higher scores than female patients. These norm data may assist the clinician and researcher in the process of decision making and treatment evaluation.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,047
Score d'incertitude au seuil0,301

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,014
Tête enseignante GPT0,266
Écart entre enseignants0,252 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations131
Publié2011
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePainMême sujetMusculoskeletal pain and rehabilitationTravaux en français237 207