Psychometric properties of the knee osteoarthritis pain index
Notice bibliographique
Résumé
OBJECTIVES: The current study sought to evaluate the psychometric properties of a newly developed Knee OsteoArthritis Pain Index (KOAPI), derived from the Brief Pain Inventory (BPI), among individuals with knee osteoarthritis (KOA). METHODS: This study consisted of secondary data analysis of two clinical trials. In study 1, 241 individuals with KOA were evaluated before total knee arthroplasty and six months post-surgery. In study 2, 37 individuals with KOA participated in a randomized, double-blind, placebo controlled, two-way crossover study in which they received either a COX-2 inhibitor followed by a placebo or a placebo followed by a COX-2 inhibitor. The KOAPI was derived from the BPI and included three BPI pain severity items (worst, average, current) and the BPI pain interference item related to pain when walking. RESULTS: The KOAPI showed excellent model fit (CFI = 0.99; TFI: 0.98-0.99; RMSEA: 0.08-0.001), good reliability (Cronbach's alpha: 0.84-0.87) and high convergent validity with the Western Ontario and McMaster Universities Osteoarthritis Index (r = 0.66; 95% CI: 0.44, 0.81) and the Pain Catastrophizing Scale (r = 0.50; 95% CI: 0.39, 0.60). CONCLUSIONS: Overall, the psychometric properties of the KOAPI were comparable or better than those produced by the original BPI pain severity subscale. The KOAPI may be a helpful screening and outcome measure for individuals with KOA that more closely captures symptoms which drive patients to seek clinical 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
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 | 0,002 | 0,002 |
| 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 | 0,000 | 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 ».