Notice bibliographique
Résumé
Background Injury results in a limitation of activity participation. Treatment of injury is designed to return the patient to as a high level of activity as desired. Objective To design an activity measure that allows clinicians to: Determine patients' pre-injury preferred activities, level of participation, intensity, and frequency of participation. Determine patients' recovery level of participation, intensity, and frequency of participation in the pre-injury preferred activities. Determine if the patients' lack of full return to activity is due to the injury or to other reasons external to the injury. Setting Orthopaedic community based clinics. Participants Patients with musculoskeletal complaints. Intervention Treatment of injury. Main outcome measure The composite of the patients' current activity participation, level of limitation, and reason for limitation. Results Favourite/Most Important Activity Q1 What is this activity? Prior to Your Injury Q2 Prior to your injury: A How long would you normally participate in this activity? |__|__| Hours per Time B On average how many days a week would you participate in this activity? |__| Days per Week Current Time Q3 Do you still engage in this sport or activity? 1 □ Yes 2 □ No Q4 How much is your ability to participate in this activity limited by your injury? 0 1 2 3 4 5 6 7 8 9 10 None Completely If None (0) (Go to Q6 – top of next column) If Limited (1–10) continue with Q5 Q5 What is the primary reason you are limited in this sport or activity anymore? 1 □ Your Injury 2 □ Other Reason –Describe: Conclusion This measure allows clinicians to track return to activity over time and understand if the decision to return to pre-injury activity is due to the injury or life events.
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 | 0,002 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,003 |
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 ».