MétaCan
Menu
Retour à la cohorte
Enregistrement W2120846491 · doi:10.2522/ptj.20120331

Physical Fitness Training After Stroke

2013· review· en· W2120846491 sur OpenAlexafffund
Ada Tang, Janice J. Eng

Notice bibliographique

RevuePhysical Therapy · 2013
Typereview
Langueen
DomaineMedicine
ThématiqueStroke Rehabilitation and Recovery
Établissements canadiensUniversity of British ColumbiaMcMaster UniversityHamilton Health Sciences
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésPhysical medicine and rehabilitationTraining (meteorology)Stroke (engine)Physical fitnessPsychologyPhysical therapyMedicineEngineeringGeography

Résumé

récupéré en direct d'OpenAlex

Stroke is one of the leading causes of mortality and disability, with major socioeconomic impact, particularly in developed countries.3 There is a twofold higher risk of cardiac-related mortality compared with agematched controls,4 and the 5- and 10-year rates for recurrent stroke are 26% and 40%, respectively.5 Interventions that target modifiable cardiovascular risk factors, such as hypertension, smoking status, body composition, and physical activity, may reduce the burden of stroke.6 For the general population, the benefits of improved physical fitness on a myriad of health outcomes are well established. Physical fitness includes components such as cardiorespiratory fitness, muscle strength and endurance, flexibility, and body composition. 7 Higher levels of fitness are associated with reduced risk for all-cause and cardiovascularrelated mortality, 8,9 cardiovascular disease, 10 and stroke, 11 and aerobic exercise training has been shown to improve a number of vascular risk factors. 12‐14

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,995
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0030,002
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,001

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 Opus0,087
Tête enseignante GPT0,388
Écart entre enseignants0,301 · 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 tête enseignante, pas un consensus.

Devis d'étudeAutre devis
Domainenon disponible
GenreSynthèse

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

En bref

Citations12
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePhysical TherapyMême sujetStroke Rehabilitation and RecoveryTravaux en français237 207