The Canadian version of the National Institutes of Health minimum dataset for chronic low back pain research: reference values from the Quebec Low Back Pain Study
Notice bibliographique
Résumé
ABSTRACT: The National Institutes of Health (NIH) minimum dataset for chronic low back pain (CLBP) was developed in response to the challenge of standardizing measurements across studies. Although reference values are critical in research on CLBP to identify individuals and communities at risk of poor outcomes such as disability, no reference values have been published for the Quebec (Canada) context. This study was aimed to (1) provide reference values for the Canadian version of the NIH minimum dataset among individuals with CLBP in Quebec, both overall and stratified by gender, age, and pain impact stratification (PIS) subgroups, and (2) assess the internal consistency of the minimum data set domains (pain interference, physical function, emotional distress or depression, sleep disturbance, and PIS score). We included 2847 individuals living with CLBP who completed the baseline web survey of the Quebec Low Back Pain Study (age: 44.0 ± 11.2 years, 48.1% women) and were recruited through social media and healthcare settings. The mean score was 6.1 ± 1.8 for pain intensity. Pain interference, physical function, emotional distress or depression, sleep disturbance, and PIS scores were 12.9 ± 4.1, 14.4 ± 3.9, 9.8 ± 4.4, 13.0 ± 3.6, and 26.4 ± 6.6, respectively. Emotional distress or depression showed floor effects. Good-to-excellent internal consistency was found overall and by language, gender, and age subgroups for all domains (alpha: 0.81-0.93) and poor-to-excellent internal consistency for PIS subgroups (alpha: 0.59-0.91). This study presents reference values and recommendations for using the Canadian version of the NIH minimum dataset for CLBP that can be useful for researchers and clinicians.
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 | 0,068 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».