MétaCan
Menu
Retour à la cohorte
Enregistrement W2995695250 · doi:10.3389/fneur.2019.01294

Prevalence of Vestibular Dysfunction in Children With Neurological Disabilities: A Systematic Review

2019· review· en· W2995695250 sur OpenAlexaff
Shashank Ghai, Mireille Hakim, Elizabeth Dannenbaum, Anouk Lamontagne

Notice bibliographique

RevueFrontiers in Neurology · 2019
Typereview
Langueen
DomaineNeuroscience
ThématiqueVestibular and auditory disorders
Établissements canadiensConcordia UniversityMcGill UniversityJewish Rehabilitation Hospital
Organismes subventionnairesnon disponible
Mots-clésMedicineCerebral palsyCINAHLPediatricsAudiologyMEDLINEPhysical therapyPhysical medicine and rehabilitationPsychiatryPsychological intervention

Résumé

récupéré en direct d'OpenAlex

Background: In children with neurological or neurodevelopmental conditions, vestibular disorders may co-exist with the primary condition and further contribute to disability and restriction in functional independence and participation. Awareness of their existence may favor an early diagnosis and better treatment outcomes. Objectives: To determine the prevalence of vestibular dysfunction in children and adolescents (3-21 years old) diagnosed with either cerebral palsy (CP), traumatic brain injury (TBI), sensorineural hearing loss (SNHL) or cochlear implantations (CI). Methods: Four researchers systematically reviewed the literature from three databases (EMBASE, MEDLINE, CINAHL) until June 2018. Results: Twenty-four studies were analyzed in this systematic review. A single, high-quality study reports a prevalence of 48.4% of spastic CP children having a saccular dysfunction. Three fair-quality studies report a prevalence of 14.6%-81%, 21 days post-TBI. Twelve poor-to-high quality studies demonstrate a prevalence of 18.7%-96.1% in children with SNHL. A prevalence range of 3%-84% of children with CI is reported by 9 fair-to-high quality studies. Conclusion: Clinicians should be aware of the prevalence of vestibular dysfunction in these populations and implement appropriate assessments to improve treatment outcomes.

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)0,003
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: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,046
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0040,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
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 Opus0,023
Tête enseignante GPT0,267
Écart entre enseignants0,244 · 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'étudeRevue systématique
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations29
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in NeurologyMême sujetVestibular and auditory disordersTravaux en français237 207