The Canadian minimum dataset for chronic low back pain research: a cross-cultural adaptation of the National Institutes of Health Task Force Research Standards
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: To better standardize clinical and epidemiological studies about the prevalence, risk factors, prognosis, impact and treatment of chronic low back pain, a minimum data set was developed by the National Institutes of Health (NIH) Task Force on Research Standards for Chronic Low Back Pain. The aim of the present study was to develop a culturally adapted questionnaire that could be used for chronic low back pain research among French-speaking populations in Canada. METHODS: The adaptation of the French Canadian version of the minimum data set was achieved according to guidelines for the cross-cultural adaptation of self-reported measures (double forward-backward translation, expert committee, pretest among 35 patients with pain in the low back region). Minor cultural adaptations were also incorporated into the English version by the expert committee (e.g., items about race/ethnicity, education level). RESULTS: This cross-cultural adaptation provides an equivalent French-Canadian version of the minimal data set questionnaire and a culturally adapted English-Canadian version. Modifications made to the original NIH minimum data set were minimized to facilitate comparison between the Canadian and American versions. INTERPRETATION: The present study is a first step toward the use of a culturally adapted instrument for phenotyping French- and English-speaking low back pain patients in Canada. Clinicians and researchers will recognize the importance of this standardized tool and are encouraged to incorporate it into future research studies on chronic low back pain.
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.
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 | 0,026 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 découle