VALIDITY OF THE VIRTUAL SEVERITY SCORING SYSTEM IN PATIENTS WITH KNEE OSTEOARTHRITIS
Notice bibliographique
Résumé
The Severity Scoring System (SSS) is a guide to interpreting findings across clinical, functional, and radiological findings, used by qualified, specially trained physiotherapists in the advanced practice role in order to provide consistency in determining the severity of the patient's condition and need for surgical consultation. The system has been utilized for over 14 years as a part of standardized assessment and management care and was incorporated into virtual care in 2020 following the pandemic restrictions. The present study examined the validity of the modified SSS in virtual care. Patients who were referred to the Rapid Access Clinic (RAC), were contacted via phone by two experienced advanced practice practitioners (APPs) from May to July 2020, when in-person care was halted due to the pandemic. The virtual interview included taking history, completing self-reported measures for pain and functional ability and reviewing the radiological reports. A total of 63 patients were interviewed (mean age 68, SD=9), 34 (54%) females. Of 63 patients, 33 (52%) were considered a candidate for total knee arthroplasty (TKA). Men and women were comparable in age, P4 and LEFS scores. The TKA candidates had a significantly higher SSS (p<0.0001) and pain scores (p=0.024). The variability of the total SSS score explained by the functional, clinical and radiological components of the tool were 55%, 48% and 4% respectively, highlighting the more important role of patient's clinical history and disability in the total SSS. The virtual SSS is a valid tool in directing patients for surgical management when used by highly trained advanced practice physiotherapists. A large component of the SSS is based on clinical data and patient disability and the APP's skillset rather than severity of pathology found on imaging.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».