Understanding Hip Pain Through Social Media: An Initial Overview of an International Web-Based Survey
Notice bibliographique
Résumé
Background: We aimed to understand the adult experience of hip pain through a web-based REDCap platform via social media. The purpose of this study was to assess the possibility of collecting patient-reported data through social media in people with hip pain while outlining the contents of the survey and analyzing the demographics of the sample population. Methods: The survey link was active from October 1, 2023, to May 1, 2024, and available on social media platforms. Respondents provided consent prior to survey participation. Responses were anonymous, and only unique, fully complete surveys were analyzed. The comprehensive hip survey included demographic and overall health reporting, as well as hip-specific diagnoses, hip-specific functional measures, and mental health outcomes. Results: Six hundred twenty-seven surveys were initiated, with 509 surveys completed. Twenty-six countries were represented with most responses originating from the United States (72.1%, n = 367), United Kingdom (10%, n = 51), Canada (5.5%, n = 28), and Australia (4.1%, n = 21). Ninety-three percent of respondents were women, with a mean age of 39 (range: 18-77). Top diagnoses reported were hip dysplasia (60.9%, n = 310), femoroacetabular impingement syndrome (45.2%, n = 230), Perthes disease (6.4%, n = 33), and osteoarthritis (6.3%, n = 32). Seventy-one percent (n = 366) reported previous hip surgery, with hip arthroscopy (60.7%, n = 222), periacetabular osteotomy (50.3%, n = 184), and total hip arthroplasty (24.3%, n = 89) being the most reported procedures. Conclusions: This study demonstrates the feasibility of utilizing social media for a comprehensive web-based survey to gather patient-reported outcomes from individuals with various sources of hip pain internationally.
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 | 0,004 | 0,008 |
| 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 | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».