Cross-Cultural Adaptation and Validation of the Persian Version of the Harris Hip Score
Notice bibliographique
Résumé
BackgroundThe Persian language, also known as Farsi, is a pluricentric language spoken in Iran, Afghanistan, and Tajikistan by about 140 million people. This study aims to translate the Harris hip score (HHS) into Persian with cross-cultural adaptation and to evaluate its validity and reliability.MethodsOne hundred fifty-six total hip arthroplasty patients completed the Persian version of the HHS, Western Ontario and McMaster Universities Osteoarthritis Index, Forgotten Joint Score, and visual analog scale (VAS) for pain and satisfaction postoperatively. Using Cronbach’s alpha (α) coefficient, internal consistency was evaluated. Correlations (Spearman's Rho) were used to assess validity. A test-retest reliability assessment of the Persian HHS was conducted (n = 47) using the intraclass correlation coefficient. Content validity was evaluated using the floor and ceiling effects of the HHS.ResultsThe final translation of the Persian HHS was approved to be used. The preoperative and postoperative Cronbach's alpha were 0.71 and 0.70, respectively, and showed acceptable internal consistency. The intraclass correlation coefficient was excellent (0.869, P < .001). Insignificant ceiling effects (13.5%) and no floor effects (0) were observed. The HHS score was significantly and strongly correlated with Western Ontario and McMaster Universities Osteoarthritis Index (r = 0.696, P < .001), VAS pain (r = 0.654, P < .001), VAS satisfaction (r = 0.634, P < .001), and Forgotten Joint Score (r = 0.648, P < .001).ConclusionsThe Persian HHS demonstrated excellent reliability and validity properties. Accordingly, Persian HHS may be a helpful tool for assessing patients undergoing total hip arthroplasty.
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 | 0,000 |
| 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 ».