Characterising neuropsychological rehabilitation service users for service design
Notice bibliographique
Résumé
Purpose – Needs of people following acquired brain injury vary over their life-course presenting challenges for community services, especially for those with “hidden” neuropsychological needs. Characterisation of subtypes of rehabilitation service user may help improve service design towards optimal targeting of resources. This paper aims to characterise a neuropsychologically complex group of service users. Design/methodology/approach – Preliminary data from 35 participants accepted for a holistic neuropsychological rehabilitation day programme were subject to cluster analysis using self-ratings of mood, executive function and brain injury symptomatology. Findings – Analysis identified three clusters significantly differentiated in terms of symptom severity (Cluster 1 least and Cluster 2 most severe), self-esteem (Clusters 2 and 3 low self-esteem) and mood (Cluster 2 more anxious and depressed). The three clusters were then compared on characteristics including age at injury, type of injury, chronicity of problems, presence of pre-injury problems and completion of rehabilitation. Cluster 2 were significantly younger at time of injury, and all had head injury. Research limitations/implications – Results suggest different subgroups of neuropsychological rehabilitation service user, highlighting the importance of early identification and provision of rehabilitation to prevent deterioration, especially for those injured when young. Implications for design of, and research into, community rehabilitation service design for those with “hidden disability” are considered. Originality/value – The paper findings suggests that innovative conceptual frameworks for understanding potentially complex longer term outcomes are required to enable development of tools for triaging and efficient allocation of community service resources.
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 | 0,004 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».