Development of a rehabilitation goal menu for inpatients with neurological disorders: application in a Saudi Arabian context
Notice bibliographique
Résumé
OBJECTIVE: To develop a rehabilitation goal menu based on understanding the specific goals that are important to neurological inpatients and that fall within commonly identified rehabilitation domains. DESIGN: Qualitative methods (semi-structured interview, focus groups) to develop a goal menu followed by cross-sectional study to measure participants' goal rankings. SETTING: Rehabilitation hospital in Saudi Arabia. SUBJECTS: A total of 130 participants with neurological injury. MAIN MEASURES: Participant rankings of rehabilitation goals and self-reported level of difficulty in areas such as mobility, self-care, accessibility, productivity, and leisure. RESULTS: A 10-item goal menu was developed based on initial focus groups, semi-structured interviews, and literature review. The overall highest ranked rehabilitation goal was Functional Mobility/Locomotion, followed by Self-Care and Religious/Life Philosophy. Self-reported level of difficulty with mobility was strongly associated with the ranking of Functional Mobility/Locomotion as a rehabilitation goal. However, there was little correspondence between reported difficulty and priority ranking of self-care. Subsequent factor analysis of detailed goal items suggest that the goal menu could be reduced to seven items. CONCLUSIONS: This study provided an understanding of which rehabilitation goals are important to Saudi clients with neurological disorders that could be used to facilitate their contribution to the goal-setting process.
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 | 0,006 | 0,017 |
| 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 ».