The WOMAC Pain Scale and Crosstalk From Co-occurring Pain Sites in People With Knee Pain: A Causal Modeling Study
Notice bibliographique
Résumé
OBJECTIVE: The Western Ontario and McMaster Universities Osteoarthritis (WOMAC) pain scale quantifies knee pain severity with activities of daily living, but the potential impact of pain in other body regions on WOMAC pain scores has not been explored using a causal modeling approach. The purpose of this study was to determine if pain in other areas of the body impact WOMAC pain scores, a phenomenon referred to as "crosstalk." METHODS: Cross-sectional datasets were built from public use data available from the Osteoarthritis Initiative (OAI) and the Multicenter Osteoarthritis Study (MOST). The WOMAC Pain Scale and generic hip, knee, ankle, foot and back pain measures were included. Three nested regression models grounded in causally based classical test theory determined the extent of crosstalk. Improvements in the coefficient of determination across the 3 models were used to determine the presence of crosstalk. RESULTS: Causal modeling provided evidence of crosstalk in both OAI and MOST datasets. For example, in OAI, multiple statistical models demonstrated significant increases in coefficient of determination values (P < .0001) as additional pain areas were added to the models. CONCLUSIONS: Crosstalk appears to be a clinically important source of error in the WOMAC Pain Scale, particularly for patients with a larger number of painful body regions and when contralateral knee joint pain is more severe. IMPACT STATEMENT: This study has important implications for arthritis research. It also should raise clinician awareness of the threat to score interpretation and the need to consider the extent of pain in other body regions when interpreting WOMAC pain scores.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 ».