On “Lower Limb Functional Index…” Gabel CP, Melloh M, Burkett B, Michener LA. Phys Ther. 2012;92:98–110.
Notice bibliographique
Résumé
We were interested to read the article by Gabel and colleagues,1 who conducted a head-to-head comparison study of the psychometric properties of the Lower Extremity Functional Scale (LEFS),2 an instrument we developed in 1999, and the Lower Limb Functional Index (LLFI), an instrument developed by the authors. We have long been advocates of head-to-head comparisons of competing instruments to determine which has the greatest potential to positively affect clinical care.3 We would like to make some general comments regarding the conceptual framework, and then make more specific comments regarding the methods and literature interpretation in Gabel and colleagues' article. We developed the LEFS2 based on the World Health Organization's model of disability and handicap.4 The more contemporary terms consistent with the current version of the International Classification of Functioning, Disability and Health (ICF)5 that guided instrument development are “activity limitations” and “participation restrictions.” Because our focus was on people with musculoskeletal disorders of the lower extremity, all of the items in our scale captured the person-level activity limitations and participation restrictions most relevant to people with disorders of the lower extremity. Notably absent from the LEFS are questions related to impairments (eg, pain, joint stiffness) or mental health status (eg, irritability, depression). Our rationale for this approach was that we saw problems with other functional status instruments available at the time because they combined questions related to impairments, such as pain and joint stiffness, with items dealing with person-level function and items related to psychological distress. An example of …
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| 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 | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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; les deux têtes enseignantes 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 ».