Usage Trends of Patient-reported Outcome Measures in Shoulder Literature
Notice bibliographique
Résumé
INTRODUCTION: Quantifying patient outcomes is integral in orthopaedic practice, and patient-reported outcome measures (PROMs) assist with this goal and assist clinicians in assessing subjective outcomes (pain, satisfaction, etc.). This study seeks to identify the most highly used PROMs in the shoulder literature and analyze their usage trends. METHODS: PubMed was queried for all shoulder-based articles published in eight selected journals from 2007 to 2017. Articles were assessed for PROM usage, surgical approach, surgical procedure, and disease pathology. Frequency analyses identified the most used PROMs overall, and for each approach, procedure, and pathology. Last, usage trends, question number, validation, and clinician dependence of PROMs with ≥20 uses were analyzed. RESULTS: In total, 1,740 of 2,462 articles (71%) used 105 unique PROMs 4,394 times during the study. PROM usage increased 18%, and the use of multiple PROMs increased by 20%. PROMs with a clinician component increased 21% slower than the baseline. Twenty-two PROMs (17%) had >20 uses, with the most used PROMs being the Constant-Murley Score (783), American Shoulder and Elbow Surgeons Shoulder Score (731), Visual Analog Scale (685), Simple Shoulder Test (372), and the University of California, Los Angeles, Shoulder Rating Scale (274). PROMs demonstrating the greatest usage increase were the EuroQol 5-Dimensions Questionnaire (1,282%), Shoulder Pain and Disability Index (638%), Western Ontario Rotator Cuff Index (632%), Western Ontario Osteoarthritis of the Shoulder Index (582%), and Oxford Shoulder Score (462%)-all without a clinician component. DISCUSSION: PROM usage is increasing, often with multiple PROMs being used to evaluate patient outcomes. PROMs without a clinician component are growing at higher rates than their clinician-dependent counterparts, highlighting an emphasis on patient reporting of outcomes. This study suggests that the American Shoulder and Elbow Surgeons Shoulder Score, Oxford Shoulder Score, Visual Analog Scales-all without a mandatory clinician component and high levels of use-will be the most highly used PROMs moving forward to assess shoulder function.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 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 | 0,000 | 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 ».