Determinants of gross motor function of young children with cerebral palsy: a prospective cohort study
Notice bibliographique
Résumé
AIM: The aim of this study was to test a model of determinants of gross motor function of young children with cerebral palsy (CP). METHOD: Four hundred and twenty-nine children with CP (242 males, 187 females; mean age 3 y 2 mo, SD 11 mo) representing all levels of the Gross Motor Function Classification System (GMFCS) participated. Children in levels I to II and III to V were classified as Groups 1 and 2 respectively. Distribution of CP was quadriplegia, 44%; hemiplegia, 24%; diplegia, 23%; triplegia, 6%; and monoplegia, 2% (data not available for 1%). Impairment and motor function data were collected by reliable assessors; parents completed questionnaires on health conditions and adaptive behavior. Seven months later, parents were interviewed about family life and services received. One year after the study onset, motor function was re-evaluated. Analysis involved structural equation modeling. RESULTS: The well-fitting model explained 58% and 75% of the variance in motor function at study completion for Groups 1 and 2 respectively. Primary impairments (spasticity, quality of movement, postural stability, and distribution of involvement; β=0.52-0.68) and secondary impairments (strength, range of motion limitations, and reduced endurance; β=0.25-0.26) explained the most variance. Adaptive behavior was a significant determinant only for Group 2 (β=0.21) and participation in community programs was significant only in Group 1 (β=0.13). INTERPRETATION: Motor function is supported by optimizing body structures and function for all children and enhancing adaptive behavior for children with greater motor challenges.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 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 ».