Lack of Prognostic Model Validation in Low Back Pain Prediction Studies
Notice bibliographique
Résumé
OBJECTIVE: The objective of this study was to investigate the frequency with which prediction studies for low back pain outcomes utilize prospective methods of prognostic model validation. METHOD: Searches of Medline and Embase for terms "predict/predictor," "prognosis," or "prognostic factor." The search was limited to studies conducted in humans and reported in the English language. Included articles were all those published in 2 Spine specialty journals (Spine and The Spine Journal) over a 13-month period, January 2013 to January 2014. Conference papers, reviews, and letters were excluded. The initial screen identified 55 potential studies (44 in Spine, 11 in The Spine Journal); 34 were excluded because they were not primary data collection prediction studies; 23 were not prediction studies and 11 were review articles. This left 21 prognosis papers for review, 19 in Spine, 2 in The Spine Journal. RESULTS: None of the 21 studies provided validation for the predictors that they documented (neither internal or external validation). On the basis of the study designs and lack of validation, only 2 studies used the correct terminology for describing associations/relationships between independent and dependent variables. DISCUSSION: Unless researchers and clinicians consider sophisticated and rigorous methods of statistical/external validity for prediction/prognostic findings they will make incorrect assumptions and draw invalid conclusions regarding treatment effects and outcomes. Without proper validation methods, studies that claim to present prediction models actually describe only traits or characteristics of the studied sample.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,368 | 0,683 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,002 |
| Méta-épidémiologie (sens large) | 0,004 | 0,005 |
| Bibliométrie | 0,008 | 0,010 |
| Études des sciences et des technologies | 0,001 | 0,004 |
| Communication savante | 0,007 | 0,008 |
| Science ouverte | 0,005 | 0,004 |
| Intégrité de la recherche | 0,003 | 0,002 |
| 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; l’étiquette directe de Gemma et le classifieur distillé Codex 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 ».