Adaptation transculturelle et validation du questionnaire Upper Limb Functional Index (ULFI) pour la population canadienne française
Bibliographic record
Abstract
Les troubles musculo-squelettiques du membre supérieur (TMS-MS) peuvent avoir un impact négatif sur l'autonomie d’une personne. À ce jour, il n’existe pas d’outils en français évaluant les limitations d'activités et les restrictions de participation, disposant de bonnes propriétés métrologiques et d'applicabilité dans un contexte clinique marqué par des contraintes de temps. L’Upper Limb Functional Index (ULFI), qui présente de bonnes qualités métrologiques et applicabilité clinique adéquate, s'avère un outil intéressant pour les ergothérapeutes de par son approche centrée sur la personne. Toutefois, il n'était disponible qu'en anglais et en espagnol. La présente recherche, constituée de deux études, visait à adapter l’ULFI à la population canadienne française et à évaluer ses propriétés métrologiques et son applicabilité clinique. La première étude a examiné sa cohérence interne, sa validité convergente et son applicabilité clinique auprès de 50 patients bilingues atteints de TMS-MS. La seconde étude visait à analyser sa fidélité test-retest et sa sensibilité au changement auprès de 60 patients francophones. Les résultats ont révélé que l'ULFI-CF possède des propriétés métrologiques solides : une cohérence interne élevée (α de Cronbach = 0,93), une excellente fidélité test-retest (CCI = 0,87-0,95), une excellente validité convergente (r = 0,70-0,85) et une sensibilité au changement de bonne à excellente (tailles d'effet = 0,49-0,88 et r = 0,64 pour la section 1). L'ULFI-CF démontre également une bonne applicabilité clinique. En conclusion, l’ULFI-CF s’avère un outil pertinent pour les cliniciens œuvrant auprès d’une clientèle canadienne française souffrant d'un TMS-MS dans un contexte clinique marqué par des contraintes de temps.
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 | 0.015 | 0.027 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.002 | 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".