Danish translation, linguistic validation, and cultural adaption of SCAR-Q
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Background Scars can significantly impact an individual’s physical appearance, emotional well-being, and quality of life. Patient-reported outcome measures are essential for assessing these effects, with SCAR-Q being a validated tool that includes three independently functioning scales. This study aimed to translate, linguistically validate, and culturally adapt SCAR-Q for use in Denmark. Methods SCAR-Q was translated into Danish using a six-step methodology based on the International Society for Pharmacoeconomics and Outcomes Research and the World Health Organization guidelines to ensure accuracy and cultural adaptation. The process included six steps: (1) preparation, (2) forward translations, (3) back translation, (4) expert panel review, (5) cognitive debriefing interviews with scar patients, and (6) final proofreading by experienced clinicians. Results The forward translation resulted in a harmonized Danish version with minor discrepancies between the two translations that primarily involved terminology adjustments for words such as “contour,” “noticeable,” “flaky,” and “tingly.” The back translation confirmed conceptual equivalence, with only four minor refinements required. The expert panel deemed the translated version clinically and linguistically appropriate. Cognitive interviews with 10 patients demonstrated high comprehension, with no concerns identified. The final proofreading led to the final Danish SCAR-Q. Conclusions The Danish version of SCAR-Q was successfully translated, culturally adapted, and validated following a rigorous six-step process. Level of evidence: Not gradable.
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.
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 | 0,001 | 0,002 |
| 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 découle