Notice bibliographique
Résumé
OBJECTIVE: To raise awareness of spasticity in primary care and clarify how to identify, diagnose, and manage it effectively and efficiently in patients with pre-existing neurologic conditions. SOURCES OF INFORMATION: . Other relevant guidelines and resources were reviewed and used. MAIN MESSAGE: Spasticity is a common secondary complication in conditions such as spinal cord injury, multiple sclerosis, stroke, cerebral palsy, and other neuromuscular physical disabilities and can have a negative effect on health and quality of life. Factors such as inconsistent definition, poorly understood mechanism, and relatively low prevalence make spasticity seem like a daunting condition to manage. Furthermore, its variable presentation and effect on a patient's quality of life, and its range of treatments with varying levels of evidence, can make treatment challenging in primary care and in other clinical settings. Family physicians play an important role in recognizing and inquiring about spasticity and its changes, triggers, and effects on function. Ruling out reversible causes is important. Many management strategies can be instituted by family physicians. CONCLUSION: Managing spasticity might be unfamiliar to many practitioners. It is important for physicians to understand spasticity and the potential treatment options available to improve quality of life. The current review provides concise information on the clinical relevance of spasticity in primary care and how to assess and manage it effectively and efficiently in those with chronic neurologic conditions.
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 | 0,000 |
| 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 ».