Lower extremity outcome measures: considerations for clinical trials in spinal cord injury
Notice bibliographique
Résumé
STUDY DESIGN: This is a focused review article. OBJECTIVES: To identify important concepts in lower extremity (LE) assessment with a focus on locomotor outcomes and provide guidance on how existing outcome measurement tools may be best used to assess experimental therapies in spinal cord injury (SCI). The emphasis lies on LE outcomes in individuals with complete and incomplete SCI in Phase II-III trials. METHODS: This review includes a summary of topics discussed during a workshop focusing on LE function in SCI, conceptual discussion of corresponding outcome measures and additional focused literature review. RESULTS: There are a number of sensitive, accurate, and responsive outcome tools measuring both quantitative and qualitative aspects of LE function. However, in trials with individuals with very acute injuries, a baseline assessment of the primary (or secondary) LE outcome measure is often not feasible. CONCLUSION: There is no single outcome measure to assess all individuals with SCI that can be used to monitor changes in LE function regardless of severity and level of injury. Surrogate markers have to be used to assess LE function in individuals with severe SCI. However, it is generally agreed that a direct measurement of the performance for an appropriate functional activity supersedes any surrogate marker. LE assessments have to be refined so they can be used across all time points after SCI, regardless of the level or severity of spinal injury. SPONSORS: Craig H. Neilsen Foundation, Spinal Cord Outcomes Partnership Endeavor.
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 | 0,204 | 0,349 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,017 | 0,008 |
| Bibliométrie | 0,003 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,010 | 0,007 |
| Science ouverte | 0,004 | 0,003 |
| Intégrité de la recherche | 0,009 | 0,009 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,002 |
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 ».