Routine administration of the Canadian Occupational Performance Measure: Effect on functional outcome
Notice bibliographique
Résumé
BACKGROUND/AIM: Routinely using outcome measures as an integral component of practice has been encouraged for decades yet has not been widely adopted. There are many reasons to measure outcomes yet any positive effect of measurement on our programs or clients has not been substantiated. If the time-consuming nature of outcome measurement is to be encouraged, we need to begin addressing larger questions of the value of outcome measurement on care and outcomes. This cohort study evaluated the impact of routinely administering the Canadian Occupational Performance Measure on client outcomes on a geriatric rehabilitation unit. METHODS: Changes in Functional Independence Measure™ scores between an experimental group (n = 45) that received the routine use of the Canadian Occupational Performance Measure for evaluation/planning versus a historical comparison group (n = 58) that received 'usual' care were analysed using generalised linear modeling. RESULTS: Both groups had significant changes in Functional Independence Measure™ scores over time. Results for differences between groups were inconclusive with a significantly underpowered analysis; however, results suggest that a medium to large effect of this intervention cannot be expected. CONCLUSIONS: Results are significant for the field of routine outcome measurement, suggesting that when adding the Canadian Occupational Performance Measure to routine assessment within an inpatient rehabilitation setting, substantially improved Functional Independence Measure™ score outcomes should not be expected. The value of routine outcome measurement on client outcomes remains largely unexplored. Routinely, using outcome measures requires additional research to determine the specific benefits to our programs and client outcomes.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 tête enseignante, 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 ».