A brief screening tool for knee pain in primary care. 1. Validity and reliability
Notice bibliographique
Résumé
OBJECTIVES: To design and test the performance of a new knee pain screening tool (KNEST), both separately and together with a combination of existing questionnaires, which will be used to assess the general health status of knee pain sufferers in primary care. METHODS: A postal survey of knee pain and disability was sent to a random sample of 240 individuals aged over 55 yr registered with two general practices in North STAFFORDSHIRE: The survey questionnaire consisted of the KNEST; a pain manikin; the Short Form 36 (SF-36); the Hospital Anxiety and Depression Scale (HADS); demographic questions; and the Western Ontario and McMaster Universities Osteoarthritis Index (WOMAC) for those who reported knee pain. A second, identical questionnaire was sent 2 weeks later to a random subsample of responders (n=80) to test repeatability. RESULTS: An 85% baseline response rate was achieved for the first questionnaire. The 12-month prevalence of knee pain identified from baseline responders to the survey was 45%. A response rate of 74% was achieved for the repeatability questionnaire. Each section of the questionnaire was well completed and repeatability was good for nearly all measures (most reliability scores exceeded 0.6). A new core question about knee pain showed good internal reliability, with an agreement score of 91% between baseline and retest assessment, and good construct validity in relation to knee pain identified on the pain manikin (agreement 95%). Good agreement was found between recalled consultation for knee pain in the questionnaire and evidence of consultation for knee pain in general practice records. CONCLUSIONS: The KNEST appears to be a reliable and valid composite tool for the study of population needs and outcomes of care for people aged over 55 yr with knee pain.
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 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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».