Development of an Evidence-Based Clinical Algorithm for Practice in Hypotonia Assessment: A Proposal
Notice bibliographique
Résumé
BACKGROUND: Assessing muscle tone in children is essential during the neurological assessment and is often essential in ensuring a more accurate diagnosis for appropriate management. While there have been advances in child neurology, there remains much contention around the subjectivity of the clinical assessment of hypotonia, which is often the first step in the diagnostic process. OBJECTIVE: In response to this challenge, the objective of the study is to develop and validate a prototype of a decision making process in the form of a clinical algorithm that will guide clinicians during this assessment process. METHODS: Design research within a pragmatic stance will be employed in this study. Multi-phase stages of assessment, prototyping and evaluation will occur. These will include processes that include a systematic review, processes of reflection and action as well as validation methods. Given the mixed methods nature of this study, use of NVIVO or ATLAS-ti will be used in the analysis of qualitative data and SPSS for quantitative data. RESULTS: Initial results from the systematic review revealed a paucity of scientific literature that documented the objective assessment of hypotonia in children. The review identified the need for more studies with greater methodological rigor in order to determine best practice with respect to the methods used in the assessment of low muscle tone in the paediatric population. CONCLUSIONS: It is envisaged that this proposal will contribute to a more accurate clinical diagnosis of children with low muscle tone in the absence of a gold standard. We anticipate that the use of this tool will ultimately assist clinicians towards moving to evidenced based practice whilst upholding best practice in the care of children with hypotonia.
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 | 0,245 | 0,354 |
| Méta-épidémiologie (sens strict) | 0,005 | 0,004 |
| Méta-épidémiologie (sens large) | 0,008 | 0,015 |
| Bibliométrie | 0,022 | 0,015 |
| Études des sciences et des technologies | 0,009 | 0,012 |
| Communication savante | 0,029 | 0,035 |
| Science ouverte | 0,020 | 0,026 |
| Intégrité de la recherche | 0,027 | 0,025 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,016 | 0,012 |
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 ».