Notice bibliographique
Résumé
ObjectivesThe aim of this review is to provide fundamental data for low back pain scales which can be used in clinical trial.MethodsWe investigated the latest studies on chronic low back pain via PubMed. And we also investigated domestic studies through “http://oasis.kiom.re.kr”. 95 research pa-pers were analyzed. Scales were classified into pain scale, function scale, generic health status scale and psychological scale.Results1) According to foreign clinical studies, Visual Analog Scale (VAS) and Numerical Rating Scale (NRS) were used 18 times as pain scale. Oswestry Disability Index (ODI) was used 20 times as function scale, Roland-Morris Disability Questionnaire (RMDQ) was 17, and Hannover Functional Ability Questionnaire (HFAQ) was used 3 times. 36-item Short Form Health Survey (SF-36) was used 13 times as generic health status scale, Euroqol-5 Dimentions Questionnaire (EQ-5D) was 11, and 12-item Short Form Health Survey (SF-12) was used 3 times. Fear-Avoidance Beliefs Questionnaire (FABQ) was used 9 times as psy-chological scale, Pain Catastrophizing Scale (PCS) and Tampa Scale for Kinesiophobia (TSK-R) both were used 3 times. 2) According to domestic clinical studies, VAS was used 37 times as pain scale, NRS was 11, and Short Form McGill Pain Questionnaire (SF-MPQ) was used 6 times. ODI was used 30 times as function scale, RMDQ was 2 times only. SF-36 was used once as generic health status scale and Beck’s Depression Inventory (BDI) was used 3 times as psychological scale.ConclusionsWe recommend VAS or NRS as a measure to evaluate pain, and ODI as a measure to evaluate functional disability. And we also recommend SF-36 or SF-12 and EQ-5D as a measure to evaluate generic health status. Finally, we recommend FABQ for use in measuring psychological scale. (J Korean Med Rehab 2013;23(4):95-115)
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,022 | 0,057 |
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; les deux têtes enseignantes 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 ».