Construct validity and reliability of the Concussion Knowledge Assessment Tool (CKAT).
Notice bibliographique
Résumé
OBJECTIVE: To evaluate the test-retest reliability and construct validity of the concussion knowledge assessment tool (CKAT) as a measure of knowledge of concussion and its management among chiropractic subgroups and to compare these properties for two scoring strategies for the CKAT. METHODS: Three chiropractic subgroups (first year students, interns and sports chiropractors) completed the CKAT via SurveyMonkey with as second administration two to six weeks later for a subset of respondents. Scatter plots and Intraclass Correlation Coefficients (ICC) were used for test-retest reliability. A priori hypotheses regarding the relationship of CKAT scores across known subgroups, and with concussion knowledge self-rankings were established prior to data collection. Distributions of CKAT scores were compared across the subgroups using boxplots and ANOVA for known groups validity, and correlation of CKAT scores with concussion knowledge self-ranking was examined. RESULTS: =17.54; p<0.0001). CONCLUSIONS: The CKAT distinguished between chiropractic subgroups expected to have different levels of knowledge, supporting construct validity, however, it did not achieve adequate test-retest reliability.
Conservé avec la notice de tri, où il sert de preuve aux étiquettes ci-dessus.
Comment cette classification a été obtenuedéplier
Le tri à trois modèles
les 5 600 travaux triés →Les trois modèles l'ont jugé hors champ.
Psychometric validation of a concussion knowledge instrument; domain measurement validation rather than a study of research practice.
It evaluates the validity and reliability of a concussion knowledge instrument, not research methods themselves.
Psychometric validation of a clinical concussion-knowledge tool for chiropractors, not research methods.
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 | 0,017 | 0,053 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».