Which Factors Influence Functional Patients Improvements During Rehabilitation?
Notice bibliographique
Résumé
BACKGROUND: Rehabilitation in patients with disabilities is an important aspect of tertiary prevention. Severity of disability, evaluated by global measures of autonomy, are essential for functional outcome evaluation. AIM: To determine the effectiveness of a rehabilitation programme in terms of percentage functional improvement (PFI); to verify the role of gender, age and length of stay (LOS), by motor and cognitive domains, on PFI. DESIGN: longitudinal study. SETTING: An intensive rehabilitation hospital. POPULATION: 305 inpatients. METHODS: The disability has been investigated using the Functional Independence Measure (FIM). Percentage differences between discharge and admission were calculated for FIM score. Wilcoxon matched pair test for the six areas and the two domains of the FIM score were calculated. The effect of LOS, gender and age on PFI were studied with Robust regression. RESULTS: Neurological and Orthopaedic patients had improvements on Motor and Cognitive domains. The greatest gains were in the Self Care, Sphintere Control, Transfer and Locomotion Areas (p ≤ 0.001). LOS was associated (p < 0.001) with PFI while age resulted borderline significant (p=0.049) in the cognitive domain in Neurological patients. CONCLUSION: The rehabilitation improved the overall conditions of neurological and orthopaedic patients. LOS emerged as the most important determinant in PFI.
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 | 0,001 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 ».