Activity and participation in stroke survivors in a low‐income setting: A cross‐sectional study
Notice bibliographique
Résumé
OBJECTIVES: To describe patients' activity and participation levels and to compare these levels across different groups of stroke survivors according to their walking speed (WS). METHODS: In this cross-sectional study, 67 stroke survivors (43 men, mean age: 58.4 ± 12.9 years old) were assessed using the stroke impairment assessment set (SIAS), ACTIVLIM-Stroke, 10-m walk test (10MWT), 6-min walk test (6MWT) and Reintegration to Normal Living Index (RNLI). The sample was afterwards split into three WS sub-groups (<0.4 m/s, 0.4-0.8 m/s and >0.8 m/s) based on 10MWT scores. RESULTS: ACTIVLIM-Stroke, 10MWT and 6MWT mean scores (±SD) were, respectively, 69.4 ± 20.2%, 0.9 ± 0.6 m/s and 282.1 ± 182 m. RNLI median score (range) was 5 (0-20). Sub-group analyses indicated that 26.9% (n = 18) obtained WS < 0.4 m/s, 13.4% (n = 9) WS between 0.4 and 0.8 m/s, and 59.7% (n = 40) WS > 0.8 m/s. Significant differences (p < .001) were found between WS sub-groups for both activity and participation. CONCLUSION: Stroke survivors in Kinshasa presented a good performance for basic-activities of daily life (basic-ADLs). However, some of them still had difficulties with some community activities. Differences in WS seemed to discriminate well stroke survivors in terms of activity and participation, since the higher WS, the more they performed in basic-ADLs, walking distance and participation, and inversely.
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 | 0,001 | 0,001 |
| 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 ».