Investigator analytic repeatability of two new intervertebral motion biomarkers for chronic, nonspecific low back pain in a cohort of healthy controls
Notice bibliographique
Résumé
BACKGROUND: Understanding the mechanisms underlying chronic, nonspecific low back pain (CNSLBP) is essential to advance personalized care and identify the most appropriate intervention. Recently, two intervertebral motion biomarkers termed "Motion Sharing Inequality" (MSI) and "Motion Sharing Variability" (MSV) have been identified for CNSLBP using quantitative fluoroscopy (QF). The aim of this study was to conduct intra- and inter-investigator analytic repeatability studies to determine the extent to which investigator error affects their measurement in clinical studies. METHODS: A cross-sectional cohort study was conducted using the image sequences of 30 healthy controls who received QF screening during passive recumbent flexion motion. Two independent investigators analysed the image sequences for MSI and MSV from October to November 2018. Intra and inter- investigator repeatability studies were performed using intraclass correlations (ICC), standard errors of measurement (SEM) and minimal differences (MD). RESULTS: Intra-investigator ICCs were 0.90 (0.81,0.95) (SEM 0.029) and 0.78 (0.59,0.89) (SEM 0.020) for MSI and MSV, respectively. Inter-investigator ICCs 0.93 (0.86,0.97) (SEM 0.024) and 0.55 (0.24,0.75) (SEM 0.024). SEMs for MSI and MSV were approximately 10 and 30% of their group means respectively. The MDs for MSI for intra- and inter-investigator repeatability were 0.079 and 0.067, respectively and for MSV 0.055 and 0.067. CONCLUSIONS: MSI demonstrated substantial intra- and inter-investigator repeatability, suggesting that investigator input has a minimal influence on its measurement. MSV demonstrated moderate intra-investigator reliability and fair inter-investigator repeatability. Confirmation in patients with CNSLBP is now required.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 ».