Growth and Health in Children With Moderate-to-Severe Cerebral Palsy
Notice bibliographique
Résumé
BACKGROUND: Children with cerebral palsy frequently grow poorly. The purpose of this study was to describe observed growth patterns and their relationship to health and social participation in a representative sample of children with moderate-severe cerebral palsy. METHODS: In a 6-site, multicentered, region-based cross-sectional study, multiple sources were used to identify children with moderate or severe cerebral palsy. There were 273 children enrolled, 58% male, 71% white, with Gross Motor Function Classification System levels III (22%), IV (25%), or V (53%). Anthropometric measures included: weight, knee height, upper arm length, midupper arm muscle area, triceps skinfold, and subscapular skinfold. Intraobserver and interobserver reliability was established. Health care use (days in bed, days in hospital, and visits to doctor or emergency department) and social participation (days missed of school or of usual activities for child and family) over the preceding 4 weeks were measured by questionnaire. Growth curves were developed and z scores calculated for each of the 6 measures. Cluster analysis methodology was then used to create 3 distinct groups of subjects based on average z scores across the 6 measures chosen to provide an overview of growth. RESULTS: Gender-specific growth curves with 10th, 25th, 50th, 75th, and 90th percentiles for each of the 6 measurements were created. Cluster analyses identified 3 clusters of subjects based on their average z scores for these measures. The subjects with the best growth had fewest days of health care use and fewest days of social participation missed, and the subjects with the worst growth had the most days of health care use and most days of participation missed. CONCLUSIONS: Growth patterns in children with cerebral palsy were associated with their overall health and social participation. The role of these cerebral palsy-specific growth curves in clinical decision-making will require further study.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».