Impact of Therapy on Recovery during Rehabilitation in Patients with Traumatic Spinal Cord Injury
Notice bibliographique
Résumé
Evidence-based planning of rehabilitation interventions is important to improving cost efficiency while maintaining patient and system outcomes. This article aims to explore the relationship between rehabilitation therapy, functional outcome, bed utilization, and care costs after traumatic spinal cord injury (tSCI). A retrospective review of 262 persons with tSCI admitted to an inpatient rehabilitation facility from 2005-2012 was conducted. Treatment variables and outcome measures included rehabilitation length of stay (LOS), days to rehabilitation (onset), hours and intensity of therapy, and Functional Independence Measure (FIM). Polynomial regression models and generalized additive models were applied to explore the relationship between therapy hours and motor FIM change. Simulation modeling was used to assess the impact of hypothetically increasing therapy intensity. Patients were grouped by injury as: C1-4 American Spinal Injury Association (ASIA) Impairment Scale (AIS) A,B,C; C5-8 AIS A,B,C; T1-S5 AIS A,B,C; and AIS D. The sample was 85% male, mean age 45.9, median LOS 102 days, and mean therapy intensity 5.7 h/week. Motor FIM change was positively associated with total hours of therapy (β = 0.40, p < 0.0001) up to a certain time point, adjusted for age, gender, injury, complications, and rehabilitation onset. Hypothetically increasing therapy intensity by 50% and 100% resulted in average motor FIM efficiency gain ranging between 0.04-0.07 and 0.1-0.17, respectively, across injury groups. The hypothetical changes resulted in reductions in the average LOS and bed utilization rate, translating to cost savings of $20,000 and $50,000 (2011 CAD) for the +50% and +100% scenarios, respectively. The results highlight the importance of monitoring functional change throughout rehabilitation after tSCI and the need for customized therapeutic strategies.
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 | 0,000 | 0,001 |
| 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 | 0,001 |
| 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 ».