Reliability and validity of a mobile home pelvic floor muscle trainer: The Elvie Trainer
Notice bibliographique
Résumé
AIMS: Reliability and validity of force measurement and task detection by the Elvie Trainer were evaluated against an intravaginal dynamometer (IVD) and ultrasound (US) imaging. METHODS: Women were recruited from local physiotherapy clinics. At the first visit, pelvic floor muscle (PFM) strength and tone were assessed manually. Women performed two sets of three repetitions of rest, PFM maximal voluntary contraction (MVC), and maximal Valsalva maneuver (MVM) tasks in supine and standing, with the Elvie Trainer in situ. Women performed another set of rest and MVC repetitions with a custom IVD in situ. At the second visit, PFM strength and tone were reassessed manually. Women performed two sets of three repetitions of the rest, PFM MVC, and MVM tasks in supine and standing, with the Elvie Trainer in situ. Concurrent US imaging was then acquired during a final set of PFM MVC and MVM repetitions in supine and standing, while the Elvie Trainer remained in situ. Reliability was evaluated using intraclass correlation coefficients. Validity was evaluated using Spearman's/Pearson's correlations and receiver operator characteristic curves. RESULTS: Thirty women participated in the study. The Elvie Trainer MVC force outcomes exhibited excellent within-day and good between-day reliability, but were significantly lower than IVD measures, and exhibited poor relationships with IVD force outcomes. The Elvie Trainer was able to specify correct/incorrect performance of a PFM MVC. CONCLUSIONS: The Elvie Trainer exhibits acceptable within-day and between-day reliability and can detect the correct performance of PFM MVCs; however, force measurements are not valid indicators of PFM strength and should not be used to measure 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 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 ».