A Checklist for Evaluating the Methodological Quality of Validation Studies on Self-Report Instruments for Physical Activity and Sedentary Behavior
Notice bibliographique
Résumé
CONTEXT: The quality of methodological papers assessing physical activity instruments depends upon the rigor of a study's design. OBJECTIVES: We present a checklist to assess key criteria for instrument validation studies. PROCESS: A Medline/PubMed search was performed to identify guidelines for evaluating the methodological quality of instrument validation studies. Based upon the literature, a pilot version of a checklist was developed consisting of 21 items with 3 subscales: 1) quality of the reported data (9 items: assess whether the reported information is sufficient to make an unbiased assessment of the findings); 2) external validity of the results (3 items: assess the extent to which the findings are generalizable); 3) internal validity of the study (9 items: assess the rigor of the study design). The checklist was tested for interrater reliability and feasibility with 6 raters. FINDINGS: Raters viewed the checklist as helpful for reviewing studies. They suggested minor wording changes for 8 items to clarify intent. One item was divided into 2 items for a total of 22 items. DISCUSSION: Checklists may be useful to assess the quality of studies designed to validate physical activity instruments. Future research should test checklist internal consistency, test-retest reliability, and criterion validity.
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 | 0,458 | 0,583 |
| Méta-épidémiologie (sens strict) | 0,006 | 0,005 |
| Méta-épidémiologie (sens large) | 0,009 | 0,018 |
| Bibliométrie | 0,041 | 0,020 |
| Études des sciences et des technologies | 0,007 | 0,006 |
| Communication savante | 0,006 | 0,007 |
| Science ouverte | 0,009 | 0,009 |
| Intégrité de la recherche | 0,006 | 0,009 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,003 |
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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».