Exploring the Perceived Difficulty and Importance of Lower Limb Physical Activities for People With and Without Osteoarthritis: A Discrete Choice Experiment
Notice bibliographique
Résumé
BACKGROUND: Many outcome measures used in lower-limb osteoarthritis (OA) present ceiling effects. This compromises the ability of those measures to accurately assess people with higher levels of physical function. Understanding of the difficulty and importance of physical activities would enable the inclusion of challenging and meaningful activities in new outcome measures. PURPOSE: To explore the perceived difficulty and importance of 40 physical activities by people with and without lower limb OA. METHODS: We conducted a discrete choice experiment (DCE) using 1000minds software. We recruited people with and without OA using OA databases and social media. Participants were asked to complete two comparison tasks, first about the relative difficulty and then about the importance of the physical activities. Pairwise comparisons were presented (i.e., two alternatives at a time), and participants selected the most difficult/important. RESULTS: We analysed data from 613 participants, of whom 215 had OA. Rankings of difficulty and importance were obtained. No major differences existed in the difficulty ranking between people with and without OA. People with OA rated activities like kneeling and balancing activities as more important than those without OA. In contrast, people without OA rated jogging, squatting, and running as more important than those with OA. Challenging activities were generally rated as less important. CONCLUSIONS: A DCE ranked 40 different lower limb physical activities in terms of difficulty and importance. Challenging activities were found to be less important than easier ones. People with OA gave more importance to easier activities than people without OA.
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 ».