MétaCan
Menu
Retour à la cohorte
Enregistrement W3002322779 · doi:10.31372/20190404.1072

Cross-cultural Translation of the Chinese Version of Pain Care Quality Surveys (C-PainCQ)

2020· article· en· W3002322779 sur OpenAlexvenueno aff
Jia–Wen Guo, Hui‐Ying Chiang, Susan L. Beck

Notice bibliographique

RevueAsian/Pacific Island Nursing Journal · 2020
Typearticle
Langueen
DomaineMedicine
ThématiquePain Management and Opioid Use
Établissements canadiensnon disponible
Organismes subventionnairesChi Mei Medical CenterUniversity of UtahOncology Nursing Society Foundation
Mots-clésEquivalence (formal languages)PsychologyHealth careKnowledge translationQuality (philosophy)MedicineMedical educationApplied psychologyLinguisticsComputer scienceKnowledge managementPolitical science

Résumé

récupéré en direct d'OpenAlex

Health disparities in pain care continue to exist among non-English-speaking Chinese-Americans. The Pain Care Quality © (PainCQ) surveys, a valid instrument measuring the quality of pain care from the patient’s perspective, is available only in English currently. This study generated a Chinese version of the PainCQ (C-PainCQ) following a cross-cultural translation approach to address health equity in pain care. A multicultural, bilingual expert team produced a good quality, prefinal version of C-PainCQ. Chinese-speaking patients (n = 55) evaluated conceptual and content equivalence while bilingual participants (n = 13) reviewed semantic equivalence of C-PainCQ items. Feedback from participants, including adding a new item related to education on medication compliance, was used to revise the tool. This C-PainCQ is ready for future research to examine the reliability and construct validity with a large sample of Chinese-speaking patients.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,079
Score d'incertitude au seuil0,342

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,022
Tête enseignante GPT0,326
Écart entre enseignants0,303 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAsian/Pacific Island Nursing JournalMême sujetPain Management and Opioid UseTravaux en français237 207