MétaCan
Menu
Retour à la cohorte
Enregistrement W2035529930 · doi:10.1177/1545968313490998

Defining the Role of Sensation, Strength, and Prehension for Upper Limb Function in Cervical Spinal Cord Injury

2013· article· en· W2035529930 sur OpenAlexafffund
Sukhvinder Kalsi‐Ryan, Dorcas Beaton, Armin Curt, Susan Duff, Depeng Jiang, Miloš R. Popović, Claudia Rudhe, Michael G. Fehlings, Mary C. Verrier

Notice bibliographique

RevueNeurorehabilitation and neural repair · 2013
Typearticle
Langueen
DomaineMedicine
ThématiqueSpinal Cord Injury Research
Établissements canadiensUniversity of ManitobaSt. Michael's HospitalToronto Rehabilitation InstituteUniversity of TorontoUniversity Health Network
Organismes subventionnairesCanadian Institutes of Health ResearchToronto Rehabilitation InstituteOntario Neurotrauma FoundationChristopher and Dana Reeve FoundationDana Foundation
Mots-clésUpper limbPhysical medicine and rehabilitationTetraplegiaSensationSpinal cord injuryPsychologyRehabilitationPhysical therapySpinal cordMedicineCognitive psychologyNeuroscience

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Upper limb function plays a significant role in enhancing independence for individuals with tetraplegia. However, there is limited knowledge about the specific input of sensorimotor deficits on upper limb function. Thus the theoretical framework designed to develop the Graded Redefined Assessment of Strength Sensibility and Prehension (GRASSP) was used as a hypothetical model to analyze the impact of impairment on function. OBJECTIVE: To define the association of impairment (sensation, strength, and prehension measured by the GRASSP) to upper limb function as defined by functional measures (Capabilities of Upper Extremity Questionnaire, Spinal Cord Independence Measure). METHODS: A hypothetical model representing relationships by applying structural equation modeling was used to estimate the effect of the impairment domains in GRASSP on upper limb function. Data collected on 72 chronic individuals with tetraplegia was used to test the hypothetical model. RESULTS: Structural equation modeling confirmed strong associations between sensation, strength, and prehension with upper limb function, and determined 72% of the variance in "sensorimotor upper limb function" was explained by the model. Statistics of fit showed the data did fit the hypothesized model. Sensation and strength influence upper limb function directly and indirectly with prehension as the mediator. CONCLUSIONS: The GRASSP is a sensitive diagnostic tool in distinguishing the relative contribution of strength, sensation and prehension to function. Thus, the impact of interventions on specific domains of impairment and related contribution on clinical recovery of the upper limb can be detailed to optimize rehabilitation programs.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,016
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,026

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,016
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,021
Tête enseignante GPT0,337
Écart entre enseignants0,315 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations15
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueNeurorehabilitation and neural repairMême sujetSpinal Cord Injury ResearchTravaux en français237 207