Développement de la version franco-canadienne du questionnaire <i>Risk Assessment and Prediction Tool (RAPT)</i> chez une population préhospitalière recourant à une arthroplastie de la hanche ou du genou
Bibliographic record
Abstract
Objectif : le premier objectif est de traduire et d’évaluer la validité transculturelle du RAPT – un questionnaire préopératoire aidant à prédire le cheminement postopératoire des patients – pour la population franco-canadienne devant subir une arthroplastie de la hanche ou du genou. Le deuxième objectif est de déterminer l’erreur type de mesure de la version franco-canadienne du RAPT. Méthodologie : le processus de traduction et d’adaptation transculturelle du RAPT a suivi quatre étapes : 1) traduction initiale, 2) rétrotraductions, 3) évaluation de la clarté du questionnaire auprès de patients, 4) évaluation de la validité transculturelle de la traduction. De plus, l’erreur type de mesure du RAPT a été calculée. Résultats : le recrutement des participants s’est fait aux hôpitaux de Hull et Montfort. Vingt participants ont été recrutés pour l’étape 3 et 83 participants pour l’étape 4. Les résultats suggèrent que le RAPT et la traduction franco-canadienne (RAPT-FC) sont comparables, avec des coefficients de corrélation intraclasse intralangue, interlangue et interlangue temporelle variant de 0,858 à 0,988. L’erreur type de mesure est de 0,8. Conclusion : le RAPT-FC est un outil comparable à la version originale du RAPT en anglais. L’utilisation de ce questionnaire pourrait aider à la planification des ressources postopératoires associées aux remplacements de genou et de hanche dans la population franco-canadienne.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.014 | 0.033 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.004 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".