Predicting SF-6Dv2 utility scores for chronic low back pain using the Oswestry Disability Index and Roland-Morris Disability Questionnaire
Notice bibliographique
Résumé
Background: Generic preference-based measures are used to evaluate disability and health-related quality of life (HRQoL).Objective: To evaluate if Short Form Six-Dimensions (SF-6Dv2) is correlated with specific current questionnaires used in chronic low back pain (CLBP) and if a predictive equation of SF-6Dv2 could be established.Methods: Between October 2018 and January 2019, an online survey on CLBP was conducted. HRQoL was measured with two specific questionnaires, i.e. Oswestry Disability Index (ODI) and Roland-Morris Disability Questionnaire (RMDQ), and with the new version of the SF-6Dv2 as a generic preference-based measure.Results: 402 subjects completed at least two of the three HRQoL questionnaires. Mean (95% confidence interval) of SF-6Dv2, ODI, or RMDQ were, respectively, 0.561 (0.553–0.569), 43.7 (42.1–45.2), and 10.3 (9.8–10.8). SF-6Dv2 was moderately correlated with ODI and RMDQ (r = −0.635 and r = −0.542, p < 0.001). The best model to predict SF-6Dv2 explained 50.6% of variability and included ODI. The correlation between actual and predicted SF-6Dv2 was 0.71.Conclusion: This study demonstrated that SF-6Dv2 was moderately correlated with ODI and RMDQ and that ODI was a better predictor. There was a strong correlation between actual and predicted SF-6Dv2 from multivariate models. These results suggest that the model can be used in similar studies to estimate the SF-6Dv2 when it was not measured.
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 | 0,003 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».