MétaCan
Menu
Retour à la cohorte
Enregistrement W2802138442 · doi:10.1111/dmcn.13903

Stability of the Gross Motor Function Classification System, Manual Ability Classification System, and Communication Function Classification System

2018· article· en· W2802138442 sur OpenAlexafffund
Robert J. Palisano, Lisa Avery, Jan Willem Gorter, Barbara Galuppi, Sarah Westcott McCoy

Notice bibliographique

RevueDevelopmental Medicine & Child Neurology · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueCerebral Palsy and Movement Disorders
Établissements canadiensMcMaster UniversityShared Services Canada
Organismes subventionnairesHealth Research BoardCanadian Institutes of Health ResearchPatient-Centered Outcomes Research Institute
Mots-clésGross Motor Function Classification SystemCerebral palsyCohen's kappaPsychologyKappaMotor functionPhysical medicine and rehabilitationArtificial intelligenceMedicineMachine learningComputer scienceMathematics

Résumé

récupéré en direct d'OpenAlex

AIM: To determine the stability of the Gross Motor Function Classification System (GMFCS), Manual Ability Classification System (MACS), and Communication Function Classification System (CFCS) over 1-year and 2-year intervals using a process for consensus classification between parents and therapists. METHOD: Participants were 664 children with cerebral palsy (CP), 18 months to 12 years of age, one of their parents, and 90 therapists. Consensus between parents and therapists on level of function was ≥92% for the GMFCS, MACS, and CFCS. A linearly weighted kappa coefficient of ≥0.75 was the criterion for stability. RESULTS: Kappa coefficients varied from 0.76 to 0.88 for the GMFCS, 0.59 to 0.73 for the MACS, and 0.57 to 0.77 for the CFCS. For children younger than 4 years of age, level of function did not change for 58.2% on the GMFCS, 30.3% on the MACS, and 39.3% on the CFCS. For children 4 years of age or older, level of function did not change for 72.3% on the GMFCS, 49.1% on the MACS, and 55% on the CFCS. INTERPRETATION: The findings support repeated classification of children over time. The kappa coefficients for the GMFCS are attributed to descriptions of levels for each age band. Consensus classification facilitates discussion between parents and professionals that has implications for shared decision-making. WHAT THIS PAPER ADDS: The findings support repeated classification of children over time. Stability was higher for the Gross Motor Function Classification System than the Manual Ability Classification System and Communication Function Classification System. The function of younger children was more likely to be reclassified. Percentage agreement between parents and therapists using consensus classification varied from 92% to 97%. The intraclass correlation coefficient overestimated stability compared with the weighted kappa coefficient.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,342
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,030
Tête enseignante GPT0,256
Écart entre enseignants0,226 · 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 tête enseignante, pas un consensus.

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

Citations116
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueDevelopmental Medicine & Child NeurologyMême sujetCerebral Palsy and Movement DisordersTravaux en français237 207