Implementation of a randomized controlled trial on an inpatient stroke rehabilitation unit: Lessons learned
Notice bibliographique
Résumé
BACKGROUND/AIMS: The objective of this manuscript is to present challenges and solutions that arose during a mid-sized single-site RCT of a rehabilitation intervention performed in an inpatient stroke rehabilitation setting. METHODS: Seventy-six participants from an inpatient stroke rehabilitation unit were randomized to experimental and control groups. All participants did 30-45 min of virtual reality (VR) daily for 10-12 sessions. The experimental group did VR targeting sitting balance while the control group did VR with limited arm movement. Challenges during the implementation of the RCT were documented and strategies to mitigate them were applied. RESULTS: Challenges were placed into five categories:1. Recruitment. Our recruitment procedures required multiple steps prior to initiating direct patient contact; one solution would be to have patients consent to be approached about research upon admission to the inpatient unit.2. Patient-specific Issues. Fatigue, pain, vision problems and engagement were managed through scheduling, increasing the workload slowly and personalized modifications to the VR.3./4. Scheduling and Staffing. Recruitment and attendance at VR sessions were maximized through good communication, flexibility and cooperation, between research staff, clinical staff, volunteers, students and participants.5. Technology. Because hospital internet service was poor, a mobile internet data plan was purchased to ensure the system's reliability. CONCLUSIONS: We have identified challenges in delivering a rehabilitation intervention on an inpatient stroke rehabilitation unit and some of the measures taken to surmount these challenges. Through good planning, flexibility and collaboration, almost all of the challenges were successfully addressed. CLINICAL TRIAL REGISTRATION NUMBER: URL: http://www.clinicaltrials.gov. Unique identifier: NCT02285933.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,078 | 0,136 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,004 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,003 | 0,005 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,008 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».