MétaCan
Menu
← Retour à la cohorte
Enregistrement W4400618032 · doi:10.2196/47246

Clinician-Prioritized Measures to Use in a Remote Concussion Assessment: Delphi Study

2024· article· en· W4400618032 sur OpenAlexafffundvenue
Keely Barnes, Heidi Sveistrup, Mark Bayley, Mary Egan, Martin Bilodeau, Michel P. Rathbone, Monica Taljaard, Shawn Marshall

Notice bibliographique

RevueJMIR Formative Research · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueTraumatic Brain Injury Research
Établissements canadiensMcMaster UniversityToronto Rehabilitation InstituteCarleton UniversityHamilton Health SciencesUniversity of TorontoUniversity Health NetworkOttawa HospitalBruyèreUniversity of Ottawa
Organismes subventionnairesWorkplace Safety and Insurance BoardUniversity of Ottawa
Mots-clésConcussionDelphi methodDelphiPsychologyApplied psychologyComputer scienceMedicineMedical emergencyArtificial intelligenceInjury preventionPoison control

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: There is little guidance available, and no uniform assessment battery is used in either in-person or remote evaluations of people who are experiencing persistent physical symptoms post concussion. Selecting the most appropriate measures for both in-person and remote physical assessments is challenging because of the lack of expert consensus and guidance. OBJECTIVE: This study used expert consensus processes to identify clinical measures currently used to assess 5 physical domains affected by concussion (neurological examination, cervical spine, vestibular, oculomotor, or effort) and determine the feasibility of applying the identified measures virtually. METHODS: The Delphi approach was used. In the first round, experienced clinicians were surveyed regarding using measures in concussion assessment. In the second round, clinicians reviewed information regarding the psychometric properties of all measures identified in the first round by at least 15% (9/58) of participants. In the second round, experts rank-ordered the measures from most relevant to least relevant based on their clinical experience and documented psychometric properties. A working group of 4 expert clinicians then determined the feasibility of virtually administering the final set of measures. RESULTS: In total, 59 clinicians completed survey round 1 listing all measures they used to assess the physical domains affected by a concussion. The frequency counts of the 146 different measures identified were determined. Further, 33 clinicians completed the second-round survey and rank-ordered 22 measures that met the 15% cutoff criterion retained from round 1. Measures ranked first were coordination, range of motion, vestibular ocular motor screening, and smooth pursuits. These measures were feasible to administer virtually by the working group members; however, modifications for remote administration were recommended, such as adjusting the measurement method. CONCLUSIONS: Clinicians ranked assessment of coordination (finger-to-nose test and rapid alternating movement test), cervical spine range of motion, vestibular ocular motor screening, and smooth pursuits as the most relevant measures under their respective domains. Based on expert opinion, these clinical measures are considered feasible to administer for concussion physical examinations in the remote context, with modifications; however, the psychometric properties have yet to be explored. INTERNATIONAL REGISTERED REPORT IDENTIFIER (IRRID): RR2-10.2196/40446.

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 machine sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,182
score de la tête « metaresearch » (Gemma)0,187
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,182
Score d'incertitude au seuil0,960

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,1820,187
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0040,002
Communication savante0,0030,004
Science ouverte0,0020,009
Intégrité de la recherche0,0030,004
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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.

Tête enseignante Opus0,296
Tête enseignante GPT0,562
Écart entre enseignants0,266 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
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

Citations2
Publié2024
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueJMIR Formative Research→Même sujetTraumatic Brain Injury Research→Travaux en français237 207→