MétaCan
Menu
Retour à la cohorte
Enregistrement W4411467744 · doi:10.2196/72370

Development of the SCI-BodyMap—Measuring Mental Body Representations in Adults With Spinal Cord Injury: Protocol for Item Generation, Reliability, and Validity Testing

2025· article· en· W4411467744 sur OpenAlexvenueno aff
Sydney Carpentier, Sara Bottale, Nicole Cenci, Daniele De Patre, Julian Pablo Gorosito, I Grimaldi, Manuel Melo, Bianca Polinelli, Marco Rigoni, Marina Zernitz, Ann Van de Winckel

Notice bibliographique

RevueJMIR Research Protocols · 2025
Typearticle
Langueen
DomaineMedicine
ThématiquePain Management and Treatment
Établissements canadiensnon disponible
Organismes subventionnairesNational Center for Advancing Translational Sciences
Mots-clésPreprintReliability (semiconductor)Protocol (science)PsychologyValidityApplied psychologyComputer sciencePsychometricsClinical psychologyMedicineWorld Wide WebAlternative medicine

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Approximately 69% of Americans with spinal cord injury (SCI) have neuropathic pain. Research suggests that impairments in mental body representations (MBRs; ie, representations of the body in the brain) likely contribute to neuropathic pain. Clinical trials in adults with SCI, focused on restoring MBR, led to improvements in sensation and movement as well as neuropathic pain relief. Scales measuring aspects of MBR exist, but none of them assess SCI-related MBR impairments. OBJECTIVE: As our first aim, we will generate items for a new MBR scale for adults with SCI (the SCI-BodyMap). As our second aim, we will assess the interrater reliability, test-retest reliability, concurrent validity, face validity, and utility of the SCI-BodyMap. METHODS: Our preliminary work will encompass initial item generation by SB, an Italian physical therapist (PT) specialized in cognitive multisensory rehabilitation, which is a therapeutic approach that focuses on restoring MBR in adults with neurological disorders and chronic pain. Further item refinements will be carried out by Italian PTs (n=7) and Brazilian PTs (n=3) specialized in cognitive multisensory rehabilitation. In aim 1, American PTs or occupational therapists (n=8) and adults with SCI (n=8) will provide feedback on the SCI-BodyMap. Next, American PTs or occupational therapists (n=3) will administer the SCI-BodyMap to adults with SCI (n=3) and provide more feedback during an in-person visit. In aim 2, four assessors will administer the SCI-BodyMap to adults with SCI (n=30) for interrater reliability. The self-report items will be administered at 2 separate time points to assess test-retest reliability. We will also administer the SCI-BodyMap to uninjured adults (n=30) to identify whether healthy adults score statistically different on the scale than adults with SCI. We will assess concurrent validity through correlations between the MBR scale, the Revised Body Awareness Rating Questionnaire, and the Multidimensional Assessment of Interoceptive Awareness-2. RESULTS: As of August 2025, we have enrolled 8 PTs or occupational therapists and 8 adults with SCI for aim 1 as well as 29 adults with SCI and 13 uninjured adults for aim 2. CONCLUSIONS: A reliable and valid MBR scale is needed to identify MBR deficits and evaluate intervention effects on MBR outcomes in adults with SCI. Improving MBR can lead to safer, more efficient day-to-day activities (eg, transfers); promote functional independence and quality of life; reduce neuropathic pain and spasms; and improve sensorimotor function. INTERNATIONAL REGISTERED REPORT IDENTIFIER (IRRID): DERR1-10.2196/72370.

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)0,036
score de la tête « metaresearch » (Gemma)0,040
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Protocole · Signal consensuel: Protocole
Score de désaccord entre enseignants0,040
Score d'incertitude au seuil0,192

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0360,040
Méta-épidémiologie (sens strict)0,0030,003
Méta-épidémiologie (sens large)0,0040,005
Bibliométrie0,0040,003
Études des sciences et des technologies0,0050,002
Communication savante0,0020,002
Science ouverte0,0030,003
Intégrité de la recherche0,0030,006
Charge utile insuffisante (le modèle a refusé de juger)0,0400,013

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 Opus0,382
Tête enseignante GPT0,561
Écart entre enseignants0,179 · 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'étudeSans objet
Domainenon disponible
GenreProtocole

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Research ProtocolsMême sujetPain Management and TreatmentTravaux en français237 207