MétaCan
Menu
Retour à la cohorte
Enregistrement W3201850215 · doi:10.1080/10400435.2021.1974980

Face validity of standardized assessments for wheeled mobility & seating evaluations

2021· article· en· W3201850215 sur OpenAlexaboutno aff
Bethany Semancik, Mark R. Schmeler, Richard M. Schein, Rachel Hibbs

Notice bibliographique

RevueAssistive Technology · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueSpinal Cord Injury Research
Établissements canadiensnon disponible
Organismes subventionnairesNational Institute on Disability, Independent Living, and Rehabilitation Research
Mots-clésStandardizationFace validityPollingWheelchairReliability (semiconductor)Content validityStandardized testApplied psychologyPsychologyComputer scienceMedical educationMedicinePsychometricsClinical psychologyWorld Wide Web

Résumé

récupéré en direct d'OpenAlex

A problem in the Complex Rehabilitation Technology industry is the lack of standardization in the assessment for wheeled mobility and seating (WMS). The aim of this paper was to identify assessment tools commonly used by clinicians during WMS evaluations. After the tools were identified by a panel of 12 subject matter experts, a presentation at the 2018 International Seating Symposium in Vancouver, Canada and the 2018 European Seating Symposium in Dublin, Ireland polled attendees via the Sli.do polling application to determine professional opinions of each tool, resulting in face validity for use in wheelchair evaluations. The Lawshe Content Validity Ratio was used to convert this anecdotal data into numerical data, indicating which tools were most and least used by attendees. Finally, a literature search was conducted to determine the reliability, validity, and International Classification of Functioning, Disability, & Health domain for each measure. The findings indicate that while there are many standardized and reliable assessment tools available for wheeled mobility and seating evaluations, most clinicians use only a few standardized assessment tools during WMS evaluations.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,007
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,104
Score d'incertitude au seuil0,853

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,163
Tête enseignante GPT0,517
Écart entre enseignants0,355 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAssistive TechnologyMême sujetSpinal Cord Injury ResearchTravaux en français237 207