MétaCan
Menu
Retour à la cohorte
Enregistrement W2768641781

Correlations and contribution of neurological and motor variables with degree of autonomy and quality of life in acute stroke patients

2017· article· en· W2768641781 sur OpenAlexaboutno aff
Flavio Rodriguez-Exposito, Antonio Cuesta‐Vargas

Notice bibliographique

RevueRehabilitación · 2017
Typearticle
Langueen
DomaineMedicine
ThématiqueStroke Rehabilitation and Recovery
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésModified Rankin ScaleMedicineStroke (engine)Quality of life (healthcare)Physical therapyMultivariate analysisMultivariate statisticsExplained variationPhysical medicine and rehabilitationInternal medicineIschemic strokeStatistics
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Introduction Because of the increasing demand for physical therapy for acute stroke patients, early prognostic prediction is needed to facilitate clinical management. Objectives 1) To assess the relationship between clinical and self-reported variables regarding the patient's clinical status. 2) To identify the predictive power of clinical variables on self-reported outcome in terms of autonomy and quality of life. Material and methods Analytic cross-sectional study of 50 patients hospitalised with acute stroke. Baseline measurements consisted of clinical variables (Canadian Neurological Scale [CNS], Trunk Control Test [TCT], Motricity Index [MI] of lower limb [MI-LL] and upper limb [MI-UL]) and self-reported outcome variables (Barthel Index [BI], Stroke Impact Scale 16 [SIS-16], Modified Rankin Scale, Multidimensional Scale of Perceived Social Support and Stroke-Specific Quality of Life Scale-38 [ECVI-38, Spanish initials]). Results All the clinical variables were significantly correlated with each other, as were most of the self-reported variables. The clinical variables were significantly correlated with some of the self-reported variables (ranging from r = –.676 [P < .01] to r = .286 [P < .05]). Multivariate analysis provided two prediction models: 1) TCT and CNS accounted for 61% of the variance in the BI, with a greater contribution being made by TCT (β = .440) than CNS (β = .260). 2) TCT and MI-LL accounted for 73% of the variance of ECVI-38 in the General Health Status domain, with MI contributing more (β = –.479) than TCT (β = –.352). Conclusions CNS, TCT and MI-LL may be useful to predict health status and autonomy in acute stroke patients.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,021
Tête enseignante GPT0,285
Écart entre enseignants0,264 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRehabilitaciónMême sujetStroke Rehabilitation and RecoveryTravaux en français237 207