Comparison of generic patient-reported outcome measures used with upper extremity musculoskeletal disorders: Linking process using the International Classification of Functioning, Disability, and Health (ICF)
Notice bibliographique
Résumé
OBJECTIVE: To report the theoretical foundation of generic patient-reported outcomes for measuring functioning related to upper extremity musculoskeletal disorders and perform content coverage analysis and content comparison using the International Classification of Functioning, Disability and Health (ICF). METHODS: A literature search was performed to identify commonly used patient-reported outcomes. A comparison of their theoretical foundations and a linking exercise between the measures' meaningful concepts and the ICF and Brief ICF Core Set for Hand Conditions was accomplished based on established rules. RESULTS: Fifteen measures were selected. Multiple theoretical foundations were identified, and only 7 measures were developed based on a known conceptual model. Six measures were chosen for the linking process with 232 meaningful concepts retrieved and linked to 54 ICF categories. No concept was linked to the Body Structures component and two measures stood out for their Activity and Participation coverage. No measure covered all Brief ICF Core Set for Hand Conditions recommended categories. CONCLUSION: Some heterogeneity was observed with regards to the theoretical foundations on which the identified measures are based. The results of the linking process should help reduce these inconsistencies. They enable easy identification of content coverage and content comparison between measures using a common framework and can be used as a reference when selecting the most appropriate patient-reported outcome measure.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».