Utilisation du modèle statistique de Rasch dans le cadre de la validation transculturelle de questionnaires fonctionnels dans la lombalgie : revue de la littérature
Bibliographic record
Abstract
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.
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 | 0.260 | 0.389 |
| Meta-epidemiology (narrow) | 0.002 | 0.002 |
| Meta-epidemiology (broad) | 0.007 | 0.009 |
| Bibliometrics | 0.007 | 0.010 |
| Science and technology studies | 0.001 | 0.004 |
| Scholarly communication | 0.009 | 0.006 |
| Open science | 0.004 | 0.004 |
| Research integrity | 0.003 | 0.005 |
| Insufficient payload (model declined to judge) | 0.005 | 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; the direct Gemma label and the distilled Codex classifier agree on what is shown here.
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".