The Predictive Power of Narrative Data in Occupational Therapy Evaluation
Notice bibliographique
Résumé
OBJECTIVE: This study examined whether adding the Canadian Occupational Performance Measure (COPM) to existing occupational therapy evaluation measures used in a subacute skilled nursing facility unit enhanced the accuracy of therapists' predictions of the functional status of clients at discharge. METHOD: This study utilized a prospective comparison design. Two independent predictive variables were developed using the standard Functional Independent Measure (FIM), and an enhanced FIM that included narrative information from the Canadian Occupational Performance Measure (FIM/COPM). These variables were subsequently compared with the actual FIM discharge (DFIM) scores for 31 clients. The primary author (D.S.) gathered data from chart review and conducted the statistical analysis. The data were analyzed using descriptive correlations (Pearson r) and comparison statistics (Wilcoxon signed rank test). RESULTS: Comparison statistics (Wilcoxon signed rank test) revealed a statistically significant difference between the standard FIM predictive score and the discharge FIM score. No statistically significant difference was found between the FIM/COPM predictive score and the discharge FIM score. These findings suggest that predictive scores based solely on information attained from the standard FIM resulted in less accuracy in outcome predictions. Correlational analyses further supported these conclusions. CONCLUSION: The findings support the study hypothesis that use of the COPM in combination with the FIM enhances accuracy in prediction of outcomes for rehabilitative services for persons in adult physical disabilities settings.
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 | 0,008 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».