Rehabilitation after lower limb injury: development of a predictive score (RALLI score)
Notice bibliographique
Résumé
BACKGROUND: The purpose of our study was to identify the risk factors associated with the need for inpatient rehabilitation after lower limb injury to develop a predictive scoring tool for early identification of such patients. METHODS: We followed a prospective cohort of patients admitted to a level 1 trauma centre. Data were collected through chart review and a self-administered questionnaire on sociodemographics, patient living environment, pretrauma status, injury and treatment received. We compared patients who were discharged home with those going to rehabilitation after acute care. Analysis consisted of bivariate comparisons and logistic regression. RESULTS: Our study included 160 patients with a mean age of 56 years. A total of 40% were discharged to an inpatient rehabilitation centre. Factors associated with inpatient rehabilitation were low preinjury physical health status, concomitant injury of the upper limbs, bilateral lower limb injury, the use of a walking aid before injury, head injury and femur or pelvic fractures. We created a predictive score using the top 3 risk factors: upper limb injury, bilateral lower limb injury and presence of femoral or pelvic fractures. The chance of needing inpatient rehabilitation rose from 14% with 0 factors to 47% with 1 factor and 96% with 2 factors. CONCLUSION: Rehabilitation planning should begin for patients exhibiting at least of 3 risk factors at the time of admission to acute care. Prospective validation of the tool is needed, but it has the potential to orient the multidisciplinary team's decision on rehabilitation needs postdischarge.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».