MétaCan
Menu
Retour à la cohorte
Enregistrement W6944135306 · doi:10.17632/xwp8t6fvsb.1

HINDI TRANSLATION, CROSS CULTURAL ADAPTATION, VALIDATION AND TEST RE-TEST RELIABILITY OF CHEDOKE MCMASTER STROKE ASSESSMENT(CMSA) SCALE: A CROSS-SECTIONAL STUDY

2025· dataset· en· W6944135306 sur OpenAlexaboutno aff

Notice bibliographique

RevueMendeley Data · 2025
Typedataset
Langueen
Domaine
Thématique
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHindiReliability (semiconductor)Content validityTest (biology)Sample (material)RehabilitationMetric (unit)Cross-culturalDelphi method

Résumé

récupéré en direct d'OpenAlex

This Data Contain Hindi translation, cross cultural adaptation , validation and test retest reliability of Chedoke McMaster stroke Assessment scale Stroke is one of the leading causes of death and long-term disability worldwide, emphasizing the need for effective rehabilitation strategies. CMSA is a reliable and valid measure developed in Canada. The widespread use of Hindi, there is no Hindi translation of the CMSA. Developing a culturally and linguistically appropriate version of the CMSA for Hindi speakers could enable rehabilitation personnel to evaluate change in the patient’s motor control and functional ability. This study translated and adapted the CMSA into Hindi for effective stroke assessment in Hindi-speaking patients. We obtained permission from the original author of the CMSA to translate the tool into Hindi. The translation process adhered to recognized guidelines for cross-cultural adaptation. Two bilingual experts, one with a medical background and the other a linguistic specialist, independently translated the CMSA into Hindi. The translations were combined and back-translated into English by independent translators to ensure consistency with the original tool. To ensure content validity, we used the Delphi method to assess the relevance of each item in the scale. The experts evaluated each item on a 4-point scale, and the Item-Level Content Validity Index (I-CVI) and Scale-Level Content Validity Index Average (S-CVI/Ave) were calculated. 51 stroke patients were chosen using a suitable sample technique based on the selection criteria in order to estimate concurrent validity and test re-test reliability. The content validation process demonstrated a high degree of linguistic and cultural equivalence. The Hindi CMSA achieved an I-CVI of 0.98985, an S-CVI/Ave of 0.98985, and an S-CVI/UA of 0.881944, indicating strong evidence of its validity. Reliability results demonstrated Cronbach's alpha 0.999 and ICC 0.998 values were calculated for test-retest reliability The results were analysed, evaluated, and compared using the statistical software package for social sciences (SPSS) version 20.0, with a total of 51 participants assessed for the study. The normality of the data was assessed using the Shapiro-Wilk Test. During the comprehensive assessment of test-retest reliability, Spearman's ρ yielded a remarkable value of 0.998, indicating a high degree of This study evaluated that there was strong relationship showed by the spearmen rho value that was 0.998 along with 0.000 P value. The Hindi CMSA has been culturally adapted and validated for evaluating stroke-related impairments and functional activity in Hindi-speaking healthcare environments. This study gave a strong evidence which proves Hindi version of CMSA is Highly reliable and valid. This version will enhance the ability of rehabilitation personnel in conducting clinical assessments and customizing rehabilitation strategies for this population

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,004
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Communication savante, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,272
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,004
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,004
Science ouverte0,0030,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,096
Tête enseignante GPT0,411
Écart entre enseignants0,315 · 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 tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreJeu de données

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

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMendeley DataTravaux en français237 207