Do Activity Level Outcome Measures Commonly Used in Neurological Practice Assess Upper-Limb Movement Quality?
Notice bibliographique
Résumé
BACKGROUND: Movement is described in terms of task-related end point characteristics in external space and movement quality (joint rotations in body space). Assessment of upper-limb (UL) movement quality can assist therapists in designing effective treatment approaches for retraining lost motor elements and provide more detailed measurements of UL motor improvements over time. OBJECTIVE: To determine the extent to which current activity level outcome measures used in neurological practice assess UL movement quality. METHODS: Outcome measures assessing arm/hand function at the International Classification of Function activity level recommended by neurological clinical practice guidelines were reviewed. Measures assessing the UL as part of a general mobility assessment, those strictly evaluating body function/structure or participation, and paediatric measures were excluded. RESULTS: In all, 15 activity level outcome measures were identified; 9 measures assess how movement is performed by measuring either end point characteristics or movement quality. However, except for the Reaching Performance Scale for Stroke and the Motor Evaluation Scale for Upper Extremity in Stroke Patients, these measures only account for deficits indirectly by giving a partial score if movements are slower or if the person experiences difficulties. Six outcome measures neither assess any parameters related to movement quality, nor distinguish between improvements resulting from motor compensation or recovery of desired movement strategies. CONCLUSION: Current activity measures may not distinguish recovery from compensation and adequately track changes in movement quality over time. Movement quality may be incorporated into clinical assessment using observational kinematics with or without low-cost motion tracking technology.
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 | 0,002 | 0,023 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».