Minimal clinical datasets for spine-related musculoskeletal disorders in primary and outpatient care settings: a scoping review
Notice bibliographique
Résumé
OBJECTIVES: Effective measurement and monitoring of health status in patients with spine-related musculoskeletal (MSK) disorders are essential for providing appropriate care and improving outcomes. Minimal clinical datasets are standardized sets of key data elements and patient-centered outcomes that can be measured and recorded during routine clinical care. Our scoping review aimed to identify and map current evidence on minimal clinical datasets for measuring and monitoring health status in patients with spine-related MSK disorders in primary and outpatient healthcare settings. STUDY DESIGN AND SETTING: We followed the JBI (formerly Joanna Briggs Institute) methodology for scoping reviews. MEDLINE, CINAHL, Cochrane Library, Index to Chiropractic Literature, MANTIS, ProQuest Dissertations and Theses Global, and medRxiv preprint repository were searched from database inception to August 1, 2021. Two reviewers independently screened titles and abstracts, full-text articles, and charted the evidence. Findings were synthesized and summarized descriptively. RESULTS: After screening 5,583 citations and 301 full-text articles, 104 studies about 32 individual minimal clinical datasets were included. Most minimal clinical datasets were developed for patient populations with spine-involving inflammatory arthritis, nonspecific or degenerative spinal pain, and MSK disorders in general. The minimal clinical datasets varied substantially in terms of the author-reported time-to-complete (1-48 minutes) and the number of items (5-100 items). Fifty percent of the datasets involved healthcare professionals in their development process, and only 28% involved patients. Health domain items were most frequently linked to the components of activities and participation (43.9%) and body functions (28.6%), according to the International Classification of Functioning, Disability, and Health. There is no standardized definition of minimal clinical datasets to measure and monitor health status of patients with spine-related MSK disorders in routine clinical practice. Common core elements identified were practicality, feasibility in a busy routine practice, time efficiency, and the capability to be used across different healthcare settings. CONCLUSION: Due to the absence of a standard definition for minimal clinical datasets for patients with spine-related MSK disorders, there is a lack of consistency in the selection of key data elements and patient-centered outcomes that should be included. More research on the implementation and feasibility of minimal clinical datasets in routine care settings is warranted and needed. It is essential to involve all relevant partners in the development process of minimal clinical datasets to ensure successful implementation and adoption in routine primary care.
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
Étiquettes directes de modèles (non validées)
Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.
| Bras | Catégories | Devis d'étude | Confiance |
|---|---|---|---|
| gemma | aucune catégorie Domaine: non disponible · Genre: Synthèse Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Revue systématique | low |
| gpt | aucune catégorie Domaine: non disponible · Genre: Synthèse Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Revue systématique | high |
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,061 | 0,283 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,008 | 0,008 |
| Bibliométrie | 0,048 | 0,043 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,008 | 0,009 |
| Science ouverte | 0,004 | 0,006 |
| Intégrité de la recherche | 0,005 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
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 validéeÉtiqueté directement par 2 modèles lisant le dossier complet.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».