Use of patient-reported outcome measures in physiotherapy clinical trials in six major physiotherapy journals 2 decades apart (2000–2018): a meta-research design
Notice bibliographique
Résumé
Aim Using patient-reported outcomes in research has been incentivised to encourage patient-centred care and ensure patient views are considered. We compared the use of patient-reported outcome measures (PROMs) in trials published in physiotherapy journals in 2000 and 2018, and evaluated whether the number of PROMs used differed between musculoskeletal, neurological, and cardiopulmonary subdisciplines.Design Meta-research.Methods Six major physiotherapy journals were searched for trials published in 2000 and 2018. Two independent reviewers extracted data on study characteristics and reporting of PROMs. PROMs were classified according to their outcome domains. Descriptive statistics and inferences were made based on proportions. A 20% difference between 2000 and 2018 was regarded as meaningful.Results A total of 140 trials were included, 39 were published in 2000 and 101 in 2018. Eighty-four percent (n = 118/140) of trials reported ≥1 PROM, while 89% (n = 125/140) included ≥1 non-PROM. We found no meaningful differences on the average use of PROMs in 2000 and 2018: 74% (29/39) of trials in 2000 versus 88% (89/101) in 2018. PROM use in 2000 and 2018 was 88.5% and 84.4% in musculoskeletal physiotherapy, 57.2% and 86.1% in neurological physiotherapy and 0% and 88% in cardiopulmonary physiotherapy. The most used PROM outcome domains were symptoms and symptom burden (75%) and functional status (65%).Conclusion Most trials from the six major physiotherapy journals sampled in 2000 and 2018 used PROMs, with no meaningful differences when comparing years. Fewer publications in 2000 than 2018 may account for the differences seen in neurological and cardiopulmonary physiotherapy.
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 | 0,031 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,005 | 0,003 |
| Bibliométrie | 0,001 | 0,002 |
| 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 | 0,001 |
| 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».