MétaCan
Menu
Retour à la cohorte
Enregistrement W2901352240 · doi:10.1177/2329048x18811452

Functional Gains in Children With Spastic Hemiplegia Following a Tendon Achilles Lengthening Using Computerized Adaptive Testing—A Pilot Study

2018· article· en· W2901352240 sur OpenAlexaff
Eli Saleh, Noémi Dahan‐Oliel, Kathleen Montpetit, Thierry E. Benaroch, Rita Yap, Nadia Barakat, M.J. Mulcahey

Notice bibliographique

RevueChild Neurology Open · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueCerebral Palsy and Movement Disorders
Établissements canadiensShriners Hospitals for Children - CanadaMcGill UniversityMontreal Children's HospitalUniversité de Montréal
Organismes subventionnairesShriners Hospitals for Children
Mots-clésCerebral palsyAchilles tendonPhysical medicine and rehabilitationMedicineGross Motor Function Classification SystemSpastic cerebral palsyPhysical therapyComputerized adaptive testingFunctional testingTendonSpasticSurgeryMEDLINEPsychometrics

Résumé

récupéré en direct d'OpenAlex

Purpose: This pilot study evaluated the outcomes of tendon Achilles lengthening in 12 children (mean age: 11.2 years) with spastic hemiplegia. Methods: Cerebral Palsy Computer Adaptive Tests, the timed up-and-go, the Gross Motor Function Measure, the Gillette Functional Assessment Questionnaire, and the Pediatric Outcomes Data Collection Instrument were administered at baseline and at 6, 12, and 24 months postsurgery. Results: Significant improvement at the latest follow-up (12-24 months following surgery) was seen in all domains of the Cerebral Palsy Computer Adaptive Test: activity ( P = .017), lower extremity ( P = .005), global ( P = .005), pain ( P = .005), and fatigue ( P = .028), as well as in the Gross Motor Function Measure-standing domain ( P = .02) and the mobility domain of the Pediatric Outcomes Data Collection Instrument ( P = .04). Conclusion: These findings indicate that the tendon Achilles lengthening improved functional outcome in these children as measured by tests of physical function, walking speed, and activity performance.

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)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Essai non randomisé · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,090
Tête enseignante GPT0,303
Écart entre enseignants0,213 · 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'étudeEssai non randomisé
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

Citations9
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueChild Neurology OpenMême sujetCerebral Palsy and Movement DisordersTravaux en français237 207