Investigating musculoskeletal health and wellbeing; a cohort study protocol
Notice bibliographique
Résumé
BACKGROUND: In an ageing population, pain, frailty and disability frequently coexist across a wide range of musculoskeletal diagnoses, but their associations remain incompletely understood. The Investigating Musculoskeletal Health and Wellbeing (IMH&W) study aims to measure and characterise the development and progression of pain, frailty and disability, and to identify discrete subgroups and their associations. The survey will form a longitudinal context for nested research, permitting targeted recruitment of participants for qualitative, observational and interventional studies; helping to understand recruitment bias in clinical studies; and providing a source cohort for cohort randomised controlled trials. METHODS: IMH&W will comprise a prospective cohort of 10,000 adults recruited through primary and secondary care, and through non-clinical settings. Data collection will be at baseline, and then through annual follow-ups for 4 years. Questionnaires will address demographic characteristics, pain severity (0-10 Numerical Rating Scale), pain distribution (reported on a body Manikin), pain quality (McGill Pain Questionnaire), central aspects of pain (CAP-Knee), frailty and disability (based on Fried criteria and the FRAIL questionnaire), and fracture risk. Baseline characteristics, progression and associations of frailty, pain and disability will be determined. Discrete subgroups and trajectories will be sought by latent class analysis. Recruitment bias will be explored by comparing participants in nested studies with the eligible IMH&W population. DISCUSSION: IMH&W will elucidate associations and progression of pain, frailty and disability. It will enable identification of people at risk of poor musculoskeletal health and wellbeing outcomes who might be suitable for specific interventions, and facilitate generalisation and comparison of research outcomes between target populations. The study will benefit from a large sample size and will recruit from diverse regions across the UK. Purposive recruitment will enrich the cohort with people with MSK problems with high representation of elderly and unwell people. TRIAL REGISTRATION: Clinicaltrials.gov NCT03696134. Date of Registration: 04 October 2018.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| 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 | 0,000 | 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 ».