MétaCan
Menu
← Retour à la cohorte
Enregistrement W7034509149

Utilisation du modèle statistique de Rasch dans le cadre de la validation transculturelle de questionnaires fonctionnels dans la lombalgie : revue de la littérature

2023· dissertation· fr· W7034509149 sur OpenAlexaboutno aff

Notice bibliographique

RevueHAL (Le Centre pour la Communication Scientifique Directe) · 2023
Typedissertation
Languefr
DomaineEarth and Planetary Sciences
ThématiqueMarine Biology and Ecology Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésStatistical analysisValidation testInternal consistencyLumbar spine
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Introduction : la prise en charge de la lombalgie chronique repose notamment sur l’évaluation spécifique de l’incapacité fonctionnelle par l’intermédiaire de questionnaires standardisés. Leur utilisation ne peut être permise qu’après l’évaluation rigoureuse de leurs propriétés psychométriques, renseignant sur la fiabilité des résultats et la qualité de la mesure apportée par le questionnaire. L’analyse de Rasch est un modèle statistique développé pour améliorer la précision avec laquelle les chercheurs construisent ou contrôlent la qualité d’un instrument. Elle constitue une alternative aux modèles classiques.Méthodes : l’objectif principal est d’évaluer sa pratique lors des validations transculturelles des questionnaires en s’appuyant sur la littérature scientifique. Une étude bibliographique des validations psychométriques retrouvées dans la littérature scientifique a ensuite été réalisée L’échantillon final inclut 90 articles publiés jusqu’au 15 Février 2023, parmi lesquelles 43 évaluent le questionnaire d’Oswestry, 33 le Roland-Morris et 12 le Québec ; un article portant sur l’Oswestry et Roland-Morris ; et enfin un article portant sur les 3.Résultats : les analyses ont montré́ une utilisation globale de 22.2 % seulement pour les trois questionnaires, contre 77.8 % pour le coefficient alpha de Cronbach. Parmi ces 20 articles, certains paramètres, tels que l'application du logiciel a été rapporté dans plus de 90 % des études. Le type de modèle mathématique de Rasch identifié a été décrit dans plus de 55 % des études, et l'unidimensionnalité, les statistiques d’adéquations, la fiabilité/séparation et le DIF ont été rapportés dans environ 90 %, 70 %, 60 %, et 50 % des études, respectivement. Mais d’autres paramètres comme l’aspect du modèle de Rasch (25 %), la description simple des réponses (30 %), la calibration/fonctionnement d’échelle (35 %), la courbe d’information (20 %) et la visualisation finale (30 %) ont été moins rapportés. Enfin, 6 études ne détaillaient pas comment l’unidimensionnalité était testée, ce qui peut remettre en cause les résultats et le caractère unidimensionnel de l’échelle étudiée.Conclusion : ainsi, l’utilisation du modèle de Rasch parait nécessaire pour contrôler la qualité des outils proposés dans la pratique médicale. Cependant, son utilisation reste plutôt faible, les critères classiques de validité interne restant majoritaires et ancrés dans les méthodes de validations psychométriques, malgré les limites attribuées à ces modèles. Cependant nous remarquons que lors de l’utilisation du modèle de Rasch, plusieurs critères de validité manquent et peuvent donc remettre en cause les conclusions des études. Nous invitons donc à utiliser le modèle de Rasch à l’avenir mais de manière correcte selon la COSMIN et les dernières recommandations du RULER.

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)0,260
score de la tête « metaresearch » (Gemma)0,389
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesMétarecherche
DomaineSignal candidat: Méthodes · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,740
Score d'incertitude au seuil0,912

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,2600,389
Méta-épidémiologie (sens strict)0,0020,002
Méta-épidémiologie (sens large)0,0070,009
Bibliométrie0,0070,010
Études des sciences et des technologies0,0010,004
Communication savante0,0090,006
Science ouverte0,0040,004
Intégrité de la recherche0,0030,005
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,013
Tête enseignante GPT0,236
Écart entre enseignants0,223 · 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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.

Devis d'étudeRevue systématique
DomaineMéthodes
GenreSynthèse

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
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHAL (Le Centre pour la Communication Scientifique Directe)→Même sujetMarine Biology and Ecology Research→Travaux en français237 207→