MétaCan
Menu
Back to cohort
Record W4366542422 · doi:10.1016/j.respe.2023.101604

CO2.3 - Construction d'un score composite d'auto-évaluation de poussée dans l'arthrose des membres inférieurs: une comparaison de méthodes avec le questionnaire Flare-OA-16

2023· article· fr· W4366542422 on OpenAlexaff
Fabiana Queiroga, Jonathan Epstein, M. Erpelding, L. King, Marc Soudant, E. Spitz, J. Maillefert, B. Fautrel, L. Callahan, Léa de March, D. Hunter, F. Guillemin

Bibliographic record

VenueRevue d Épidémiologie et de Santé Publique · 2023
Typearticle
Languagefr
FieldMedicine
TopicMusculoskeletal pain and rehabilitation
Canadian institutionsUniversity of Toronto
Fundersnot available
KeywordsMedicineGynecologyHumanitiesPhilosophy

Abstract

fetched live from OpenAlex

Un score de fréquence et de gravité des poussées d'arthrose est essentiel pour guider les traitements. L'objectif était de comparer plusieurs méthodes de construction d'un score composite pour l'auto-questionnaire Flare-OA-16 de mesure de la poussée d'arthrose du genou et de la hanche, défini comme un ensemble de symptômes d'une durée et d'une intensité suffisantes pour nécessiter l'instauration, la modification ou l'augmentation d'un traitement (1). Les participants avec une arthrose du genou ou de la hanche diagnostiquée ont répondu à un questionnaire validé de 16 items (2,3) explorant cinq dimensions de la poussée validée par OMERACT: douleur, gonflement, raideur, aspects psychologiques et conséquences des symptômes. Trois méthodes d'estimation ont été comparées: le score obtenu i) par analyse factorielle confirmatoire (AFC) de second ordre pondérant les charges factorielles dans une combinaison linéaire des cinq dimensions ; ii) par régression logistique modélisant la probabilité d'avoir une poussée selon la déclaration du participant (oui/non) ; et iii) par méthode de Rasch utilisant la moyenne des scores pondérés issu d'un modèle de Rasch par dimension. Pour les trois méthodes, les items désordonnés ont été modifiés, puis les scores normalisés de 0 à 10. La distribution (effets planchers sans poussée (PSP) et plafonds avec poussée (PAP)) des scores de chaque modèle, la similarité des scores analysée par coefficient de corrélation intra-classe (ICC) et leurs performances par les aires sous la courbes ROC (AUC [intervalles de confiance à 95%]) et la reproductibilité test-retest intra-score à 15 jours estimée par ICC ont été comparées. Parmi 381 participants ayant rempli complètement les questionnaires, 247 ont déclaré une poussée. Avec l'AFC, de bons indices d'adéquation (CFI=0,94 ; RMSEA=0,08) ont justifié l'estimation d'un score global m=3,90 (ET=2,79), avec un effet PSP 27,6 % et PAP 2,0 %. Pour l'estimation par régression logistique, le score global était de m=6,48 (ET=3,13), avec un effet PSP 0 % et PAP 34,0 %. Avec le modèle de Rasch, le score composite était de m=4,15 (ET=2,45), avec un effet PSP 18,7 % et PAP 0 %. Il existait une plus grande corrélation entre les scores AFC et Rasch (ICC=0,99) qu'entre le score de régression logistique et les autres (ICC=0,87). La courbe ROC a indiqué une performance similaire du score global estimé par modèle logistique (AUC=0,88[0,85-0,92]), par l'AFC (AUC=0,86[0,82-0.90]) et par le modèle de Rasch (AUC=0,86[0,82-0,90]). La reproductibilité était proche avec ICC=.84[.95-.90] pour les scores Rasch et CFA et ICC=.78[.66-86] pour le score logistique. La comparaison des méthodes de construction d'un score composite a exploré trois solutions satisfaisantes. L'AFC de second ordre confirme l'unicité de la mesure du concept de poussée, le modèle logistique a une légère supériorité expliquée par la variable de référence utilisée et le modèle de Rasch garantit l'obtention d'une échelle d'intervalle pour chaque dimension. La distribution des scores offrant la plus faible combinaison d'effets planchers et plafonds est en faveur du modèle de Rasch. Un score obtenu du point de vue du patient peut contribuer à augmenter l'adhérence au traitement prescrit et la prise en charge. Poussée , Arthrose , Genou et hanche , Score composite Les auteurs n'ont pas précisé leurs éventuels liens d'intérêts.

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 imitation

Not 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.

metaresearch head score (Codex)0.012
metaresearch head score (Gemma)0.025
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Observational · Consensus signal: none
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.012
Threshold uncertainty score0.063

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0120.025
Meta-epidemiology (narrow)0.0010.001
Meta-epidemiology (broad)0.0010.003
Bibliometrics0.0040.003
Science and technology studies0.0010.001
Scholarly communication0.0020.001
Open science0.0010.002
Research integrity0.0010.001
Insufficient payload (model declined to judge)0.0110.003

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.

Opus teacher head0.043
GPT teacher head0.349
Teacher spread0.306 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designObservational
Domainnot available
GenreEmpirical

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".

Quick stats

Citations0
Published2023
Admission routes1
Has abstractyes

Explore more

Same venueRevue d Épidémiologie et de Santé PubliqueSame topicMusculoskeletal pain and rehabilitationFrench-language works237,207