Comparison of nonmicroprocessor knee mechanism versus C-Leg on Prosthesis Evaluation Questionnaire, stumbles, falls, walking tests, stair descent, and knee preference
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This study compared subjects' performance with a nonmicroprocessor knee mechanism (NMKM) versus a C-Leg on nine clinically repeatable evaluative measures. We recorded data on subjects' performance while they used an accommodated NMKM and, following a 90-day accommodation period, the C-Leg in a convenience sample of 19 transfemoral (TF) amputees (mean age 51 +/- 19) from an outpatient prosthetic clinic. We found that use of the C-Leg improved function in all outcomes: (1) Prosthesis Evaluation Questionnaire scores increased 20% (p = 0.007), (2) stumbles decreased 59% (p = 0.006), (3) falls decreased 64% (p = 0.03), (4) 75 m self-selected walking speed on even terrain improved 15% (p = 0.03), (5) 75 m fastest possible walking speed (FPWS) on even terrain improved 12% (p = 0.005), (6) 38 m FPWS on uneven terrain improved 21% (p < 0.001), (7) 6 m FPWS on even terrain improved 17% (p = 0.001), (8) Montreal Rehabilitation Performance Profile Performance Composite Scores for stair descent increased for 12 subjects, and (9) the C-Leg was preferred over the NMKM by 14 subjects. Four limited community ambulators (Medicare Functional Classification Level [MFCL] K2) increased their ambulatory functional level to unlimited community ambulation (MFCL K3). Objective evaluative clinical measures are vital for justifying the medical necessity of knee mechanisms for TF amputees. Use of the C-Leg improves performance and quality of life and can increase MFCL and community ambulation level.
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.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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) | 0,000 | 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 découle