What can we learn from surveys? A systematic review of survey studies addressing femoroacetabular impingement syndrome
Notice bibliographique
Résumé
Abstract The purpose of this study was to systematically review the methodology, response rate and quality of survey studies related to femoroacetabular impingement (FAI) syndrome. A search was conducted on three databases (PubMed, EMBASE, MEDLINE) for relevant studies from database inception to 27 January 2020. Data extracted included study and survey characteristics, as well as response rates. The quality of the included studies was also assessed using a previously published quality assessment tool. Data were analysed with means, ranges, standard deviations, 95% confidence intervals and bivariate analysis. Eleven studies (13 surveys) were included in this review out of a total of 1608 initial titles found. Surveys were most often administered via the Internet (72%) to orthopaedic surgeons (54%). The mean response rate was 70.4%. The mean quality score was moderate 13.3/24 (SD ±4.3). The criterion that most often scored high was ‘clearly defined purpose and objectives’ (11/11). The most common survey topic investigated surgeons’ knowledge regarding FAI diagnosis and management (n = 7). In addition, bivariate analysis between quality score and response rate showed no significant correlation (Spearman’s rho = −0.090, P = 0.85). Overall, survey studies related to FAI syndrome most often use Internet-based methods to administer surveys. The most common target audience is orthopaedic surgeons. The topics of the surveys most often revolve around orthopaedic surgeons’ knowledge and opinions relating to the diagnosis and management of FAI syndrome. The response rate is high in patient surveys and lower in larger surgeon surveys. Overall, the studies are of moderate quality.
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 | 0,008 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,010 | 0,002 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».