Building a Collaborative Model of Sacroiliac Joint Dysfunction and Pelvic Girdle Pain to Understand the Diverse Perspectives of Experts
Notice bibliographique
Résumé
BACKGROUND: Pelvic girdle pain (PGP) and sacroiliac joint (SIJ) dysfunction/pain are considered frequent contributors to low back pain (LBP). Like other persistent pain conditions, PGP is increasingly recognized as a multifactorial problem involving biological, psychological, and social factors. Perspectives differ between experts and a diversity of treatments (with variable degrees of evidence) have been utilized. OBJECTIVE: To develop a collaborative model of PGP that represents the collective view of a group of experts. Specific goals were to analyze structure and composition of conceptual models contributed by participants, to aggregate them into a metamodel, to analyze the metamodel's composition, and to consider predicted efficacy of treatments. DESIGN: To develop a collaborative model of PGP, models were generated by invited individuals to represent their understanding of PGP using fuzzy cognitive mapping (FCM). FCMs involved proposal of components related to causes, outcomes, and treatments for pain, disability, and quality of life, and their connections. Components were classified into thematic categories. Weighting of connections was summed for components to judge their relative importance. FCMs were aggregated into a metamodel for analysis of the collective opinion it represented and to evaluate expected efficacy of treatments. RESULTS: From 21 potential contributors, 14 (67%) agreed to participate (representing six disciplines and seven countries). Participants' models included a mean (SD) of 22 (5) components each. FCMs were refined to combine similar terms, leaving 89 components in 10 categories. Biomechanical factors were the most important in individual FCMs. The collective opinion from the metamodel predicted greatest efficacy for injection, exercise therapy, and surgery for pain relief. CONCLUSIONS: The collaborative model of PGP showed a bias toward biomechanical factors. Most efficacious treatments predicted by the model have modest to no evidence from clinical trials, suggesting a mismatch between opinion and evidence. The model enables integration and communication of the collection of opinions on PGP.
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 | 0,007 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,002 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,004 | 0,005 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 source (Gemma direct ou Codex distillé), 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 ».