Upper-Limb Assessment in People with Parkinson Disease: Is It a Priority for Therapists, and Which Assessment Tools Are Used?
Notice bibliographique
Résumé
PURPOSE: To investigate the frequency of physiotherapy and occupational therapy assessment of the upper limb (UL) in people with Parkinson disease (PD) and to identify the impairments and activity limitations assessed and the methods used. METHOD: A custom-designed questionnaire was used to survey physiotherapists and occupational therapists with previous experience in managing people with PD, using targeted recruitment to invite physiotherapy conference attendees, clinicians employed in movement disorders programmes, and practitioners in neurology and gerontology to respond either on paper or online. RESULTS: Of the 190 respondents (122 physiotherapists, 68 occupational therapists), 54% reported consistently assessing the UL. A majority (>60%) assessed impairments specific to PD, but few quantified these using standardized measures. Activity limitations, largely relating to manual dexterity, were assessed using observational analysis (61%), non-standardized timed activities (46%), and standardized outcome measures (61%), most generic or developed for evaluating other neurological conditions. More than 10% of respondents could not identify an appropriate standardized measure. CONCLUSIONS: Slightly more than half of respondents regularly assessed the UL. Respondents reported widespread use of non-standardized methods to assess PD-specific impairments. Standardized measures were more frequently used to evaluate activity limitations, but despite the unique movement disorders associated with PD, the clinimetric properties of most of the tools identified have not been established in this population. Education and further clinimetric investigation of measures in use are needed to facilitate evidence-based practice in this area.
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) | 0,000 | 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 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 ».