A Higher-Order Analysis Supports Use of the 11-Item Version of the Tampa Scale for Kinesiophobia in People With Neck Pain
Notice bibliographique
Résumé
BACKGROUND: Despite increasing clinical and research use of the 11-item version of the Tampa Scale for Kinesiophobia (TSK-11) in people with neck pain, little is known about its measurement properties in this population. OBJECTIVE: The purpose of this study was to rigorously evaluate the measurement properties of the TSK-11 when used in people with mechanical neck pain. DESIGN: This study was a secondary analysis of 2 independent databases (N=235) of people with mechanical neck pain of primarily traumatic origin. METHODS: The TSK-11 was subjected to Rasch analysis and subsequent evaluation of concurrent associations with the Neck Disability Index and a numeric rating scale for pain intensity. RESULTS: The TSK-11 conformed well to the Rasch model for interval-level measurement, but less so for acute or nontraumatic etiologies. A transformation matrix suggested that small changes at the extremes of the scale are more meaningful than in the middle. Cross-sectional convergent validity testing suggested relationships of expected magnitude and direction compared with pain intensity and neck-related disability. The use of the linearly transformed TSK-11 led to potentially important differences in distribution of data compared with use of the raw scores. LIMITATIONS: The sample size was slightly smaller than desired for Rasch analysis. The 2 databases were similar in terms of symptom duration, but differed in pain intensity and age. CONCLUSIONS: The TSK-11 can be considered an interval-level measure when used in people with neck pain. It provides potentially important information regarding the nature of neck-related disability. Clinically important difference may not be consistent across the range of the scale.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».