MétaCan
Menu
Retour à la cohorte
Enregistrement W7019102757

Fiabilidade e Validade de Constructo da Pain DETECT Questionnaire

2017· dissertation· pt· W7019102757 sur OpenAlexaboutno aff

Notice bibliographique

RevuePortuguese National Funding Agency for Science, Research and Technology (RCAAP Project by FCT) · 2017
Typedissertation
Languept
DomaineComputer Science
ThématiqueHealthcare during COVID-19 Pandemic
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSchizophrenia (object-oriented programming)Construct validityMeasure (data warehouse)Affect (linguistics)Structural equation modeling
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Introdução: Em Portugal, a Dor Lombar Crónica (DLC) é uma das manifestações reumatológicas mais frequentes, afectando 12,3% (95%IC: 10,5-14,3) dos indivíduos adultos. Na complexidade da DLC, parecem existir diferentes componentes de dor, isto é, dor Nociceptiva (NOC), Neuropática (NEP) e mista que podem contribuir para diferentes tipos de dor num indivíduo. Objectivo: Contribuir para a validação do PAIN DETECT QUESTIONNAIRE através do estudo da sua fiabilidade, validade de constructo na classificação da componente NOC/NEP e mista, em utentes com DLC. Metodologia: Realizou-se um estudo metodológico, transversal para avaliar as propriedades psicométricas da versão portuguesa da PDQ em 102 indivíduos com DLC. Foi realizado o estudo da validade estrutural do PDQ-PT através da Análise Fatorial Exploratória (AFE), da consistência interna, fiabilidade teste-reteste e validade de constructo (convergente e discriminativa). Para avaliação da validade de constructo convergente e discriminativa foram estabelecidas hipóteses apriori relativas à força da correlação e significado estatístico com a DN4-PT (validade convergente) e relativas à capacidade do instrumento detetar diferenças com significado estatístico entre os subgrupos NOC e NEP na intensidade da dor (escala numérica de Dor) e na incapacidade funcional (Quebec Back Pain Disability Scale). Resultados: A AFE revelou uma solução fatorial inicial de apenas um fator comum (descritores da dor neuropática), com um engeinvalue de 3,45 que explica 49,3% da variância total no conjunto dos 7 itens analisados. O PDQ-PT revelou uma excelente consistência interna (α de Cronbach=0,84) e excelente fiabilidade teste-reteste (CCI= 0,97; IC 95%: 0,95-0,98, p<0.001). Relativamente à validade de constructo foram corroboradas todas as hipóteses estabelecidas apriori. Foi observada uma forte correlação entre o PDQ-PT e a DN4-PT (r=0,739, p<0.001) e detetou-se diferenças significativas, no que respeita à intensidade da dor e incapacidade funcional, entre utentes DLC NEP e NOC (p=0,005 e p=0.011, respetivamente). Conclusões: O PDQ-PT demonstrou boa validade e fiabilidade, recomendando-se o seu uso na medição e classificação do tipo de dor predominante (NOC/NEP e MISTA) em utentes com DLC, em contexto clínico e de investigação.

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)0,025
score de la tête « metaresearch » (Gemma)0,075
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,025
Score d'incertitude au seuil0,132

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0250,075
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0030,002
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,080
Tête enseignante GPT0,425
Écart entre enseignants0,345 · 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'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations1
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePortuguese National Funding Agency for Science, Research and Technology (RCAAP Project by FCT)Même sujetHealthcare during COVID-19 PandemicTravaux en français237 207