Factors Associated with Postrelapse Rehabilitation Use in Multiple Sclerosis
Notice bibliographique
Résumé
BACKGROUND: Most people with multiple sclerosis (MS) have periodic and unpredictable relapses as part of their disease course. Relapses often affect functional abilities, resulting in diminished productivity and lower quality of life. Considering the effects, rehabilitation can play an important role in facilitating recovery; yet, the current literature suggests a lack of postrelapse rehabilitation services use. This study aims to document postrelapse rehabilitation services use and estimate the extent to which predisposing characteristics, perceived need, and enabling resources were associated with postrelapse rehabilitation services use in adults with MS. METHODS: This cross-sectional study used convenience sampling, and data from 73 adults with MS who recently had a relapse in the United States and Canada were analyzed. RESULTS: A total of 25 participants (34.2%) reported using postrelapse rehabilitation services. The regression model identified three variables associated with postrelapse rehabilitation services use: age (odds ratio [OR], 1.075), self-reported quality of life (considerably affected by the most recent relapse [OR, 5.717]), and presence of helpful health care providers (for obtaining postrelapse rehabilitation services [OR, 5.382]). CONCLUSIONS: Most participants experienced a range of symptoms or limitations because of their most recent relapse, affecting their daily activity and quality of life. However, only one-third of the participants reported using postrelapse rehabilitation services, which focused on the improvement of their physical health. Regression modeling revealed that three population characteristics of the Andersen Behavioral Model of Health Services Utilization were associated with postrelapse rehabilitation services use.
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 | 0,000 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».