Terminology, Taxonomy, and Facilitation of Motor Learning in Clinical Practice: Protocol of a Delphi Study
Notice bibliographique
Résumé
BACKGROUND: Facilitating motor learning in patients during clinical practice is complex, especially in people with cognitive impairments. General principles of motor learning are available for therapists to use in their practice. However, the translation of evidence from the different fields of motor learning for use in clinical practice is problematic due to lack of uniformity in definition and taxonomy of terms related to motor learning. OBJECTIVE: The objective of this paper was to describe the design of a Delphi technique to reach consensus on definitions, descriptions, and taxonomy used within motor learning and to explore experts' opinions and experiences on the application of motor learning in practice. METHODS: A heterogeneous sample of at least 30 international experts on motor learning will be recruited. Their opinions regarding several central topics on motor learning using a Delphi technique will be collected in 3 sequential rounds. The questionnaires in the 3 rounds will be developed based on the literature and answers of experts from earlier rounds. Consensus will be reached when at least 70% of the experts agree on a certain topic. Free text comments and answers from open questions on opinions and experiences will be described and clustered into themes. RESULTS: This study is currently ongoing. It is financially supported by Stichting Alliantie Innovatie (Innovation Alliance Foundation), RAAK-international (Registration number: 2011-3-33int). CONCLUSIONS: The results of this study will enable us to summarize and categorize expert knowledge and experiences in a format that should be more accessible for therapists to use in support of their clinical practice. Unresolved aspects will direct future research.
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 | 0,023 | 0,019 |
| 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 | 0,000 | 0,002 |
| 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) | 0,000 | 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 ».