MétaCan
Menu
Retour à la cohorte
Enregistrement W3210846235 · doi:10.3389/fpain.2021.755877

Devices Used to Measure Force-Time Characteristics of Spinal Manipulations and Mobilizations: A Mixed-Methods Scoping Review on Metrologic Properties and Factors Influencing Use

2021· article· en· W3210846235 sur OpenAlexafffund
Marie-Andrée Mercier, Philippe Rousseau, Martha Funabashi, Martin Descarreaux, Isabelle Pagé

Notice bibliographique

RevueFrontiers in Pain Research · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueMusculoskeletal pain and rehabilitation
Établissements canadiensCentre for Interdisciplinary Research in RehabilitationCanadian Memorial Chiropractic CollegeUniversité du Québec à Trois-Rivières
Organismes subventionnairesFondation Chiropratique du Québec
Mots-clésContext (archaeology)LimitingPsychological interventionReliability (semiconductor)ModalitiesHealth careMeasure (data warehouse)Computer scienceMedicinePsychologyEngineeringData miningNursingMechanical engineering

Résumé

récupéré en direct d'OpenAlex

Background: Spinal manipulations (SMT) and mobilizations (MOB) are interventions commonly performed by many health care providers to manage musculoskeletal conditions. The clinical effects of these interventions are believed to be, at least in part, associated with their force-time characteristics. Numerous devices have been developed to measure the force-time characteristics of these modalities. The use of a device may be facilitated or limited by different factors such as its metrologic properties. Objectives: This mixed-method scoping review aimed to characterize the metrologic properties of devices used to measure SMT/MOB force-time characteristics and to determine which factors may facilitate or limit the use of such devices within the context of research, education and clinical practice. Methods: This study followed the Joanna Briggs Institute's framework. The literature search strategy included four concepts: (1) devices, (2) measurement of SMT or MOB force-time characteristics on humans, (3) factors facilitating or limiting the use of devices, and (4) metrologic properties. Two reviewers independently reviewed titles, abstracts and full articles to determine inclusion. To be included, studies had to report on a device metrologic property (e.g., reliability, accuracy) and/or discuss factors that may facilitate or limit the use of the device within the context of research, education or clinical practice. Metrologic properties were extracted per device. Limiting and facilitating factors were extracted and themes were identified. Results: From the 8,998 studies initially retrieved, 46 studies were finally included. Ten devices measuring SMT/MOB force-time characteristics at the clinician-patient interface and six measuring them at patient-table interfaces were identified. Between zero and eight metrologic properties were reported per device: measurement error (defined as validity, accuracy, fidelity, or calibration), reliability/repeatability, coupling/crosstalk effect, linearity/correlation, sensitivity, variability, drift, and calibration. From the results, five themes related to the facilitating and limiting factors were developed: user-friendliness and versatility, metrologic/intrinsic properties, cost and durability, technique application, and feedback. Conclusion: Various devices are available to measure SMT/MOB force-time characteristics. Metrologic properties were reported for most devices, but terminology standardization is lacking. The usefulness of a device in a particular context should be determined considering the metrologic properties as well as other potential facilitating and limiting factors.

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)0,006
score de la tête « metaresearch » (Gemma)0,019
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,041
Score d'incertitude au seuil0,990

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0060,019
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 GPT0,421
Écart entre enseignants0,258 · 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.

Devis d'étudeObservationnel
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

Citations7
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueFrontiers in Pain ResearchMême sujetMusculoskeletal pain and rehabilitationTravaux en français237 207