Translation into Arabic of the Quebec User Evaluation of Satisfaction with Assistive Technology 2.0 and validation in orthosis users
Notice bibliographique
Résumé
The assessment of patient satisfaction with the orthosis is a key point for clinical practice and research, requiring the availability of questionnaires with robust psychometric properties. The aim of this study was the translation into Arabic and Rasch validation of the Quebec User Evaluation of Satisfaction with assistive Technology (A-QUEST 2.0), one of the few standardized instruments appropriate for assessment of patient satisfaction with the orthosis. The translation was carried out in accordance with guideline recommendations. The translated version was administered to a convenience sample of 100 individuals with various health conditions using orthosis (59% men, mean age 36 years). Data were analyzed using confirmatory factor analysis, followed by Rasch analysis for each of the two subscales, that is satisfaction with the Device (eight items) and with Services (four items). The results of the confirmatory factor analysis verified the bidimensionality of A-QUEST 2.0. Rasch criteria for the functioning of rating scale categories were fulfilled for both subscales. All items except one showed an adequate fit to the Rasch model. The person separation reliability for A-QUEST 2.0_Device was 2.19 and Cronbach's α 0.83; A-QUEST 2.0_Services separation reliability was 2.79 and Cronbach's α was 0.89. Thus, the two subscales could define a hierarchy of persons along each measured construct with at least three different levels of satisfaction. This Rasch validation of A-QUEST 2.0, in patients with various types of orthoses, provides additional evidence of the psychometric properties (and particularly the internal construct validity) of the questionnaire, and provides insights for further improving its metric quality.
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 | 0,010 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,001 |
| 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 ».