MétaCan
Menu
Retour à la cohorte
Enregistrement W3156539827 · doi:10.1080/09638288.2021.1910737

Evidence-based stroke rehabilitation: do priorities for practice change and feasibility of implementation vary across high income, upper and lower-middle income countries?

2021· article· en· W3156539827 sur OpenAlexafffund
Sanjana Gururaj, Marie‐Louise Bird, Karen Borschmann, Janice J. Eng, Caroline Watkins, Marion Walker, John M. Solomon

Notice bibliographique

RevueDisability and Rehabilitation · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueStroke Rehabilitation and Recovery
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesNational Health and Medical Research CouncilCanadian Institutes of Health ResearchCanadian Stroke ConsortiumIpsenNational Institute for Health and Care Research
Mots-clésSocioeconomic statusPsychological interventionRehabilitationContext (archaeology)Health careStroke (engine)MedicineKnowledge translationLow and middle income countriesNursingDeveloping countryEnvironmental healthPhysical therapyPolitical scienceEconomic growthGeographyComputer sciencePopulationKnowledge management

Résumé

récupéré en direct d'OpenAlex

PURPOSE: The context of implementation plays an important role in the delivery of optimal treatments in stroke recovery and rehabilitation. Considering that stroke systems of care vary widely across the globe, the goal of the present paper is to compare healthcare providers' priority of key areas in translating stroke research to clinical practice among High Income Countries, Upper Middle- and Lower Middle-Income Countries (HICs, UMICs, LMICs). We also aimed to compare perceptions regarding the key areas' feasibility of implementation, and formulate recommendations specific to each socioeconomic region. METHODS: Data related to recommendations for knowledge translation in stroke, from a primary survey from the second Stroke Recovery and Rehabilitation Roundtable were segregated based on socioeconomic region. Frequency distribution was used to compare the key areas for practice change and examine the perceived feasibility of implementation of the same across HIC, UMIC and LMICs. RESULTS: A total of 632 responses from healthcare providers across 28 countries were received. Interdisciplinary care and access to services were high priorities across the three groups. Transitions in Care and Intensity of Practice were high priority areas in HICs, whereas Clinical Practice Guidelines were a high priority in LMICs. Interventions specific to clinical discipline, screening and assessment were among the most feasible areas in HICs, whereas Intensity of practice and Clinical Practice Guidelines were perceived as most feasible to implement in LMICs. CONCLUSION: We have identified healthcare providers' priorities for addressing international practice change across socioeconomic regions. By focusing on the most feasible key areas, we can aid the channeling of appropriate resources to bridge the disparities in stroke outcomes across HICs, UMICs and LMICs.IMPLICATIONS FOR REHABILITATIONIt is pertinent to examine the differences in priorities of stroke rehabilitation professionals and the feasibility of implementing evidence-based practice across socioeconomic regions.There is an urgent necessity for the development of clinical practice guidelines for stroke rehabilitation in Low-Middle Income Countries, taking into consideration the cultural, economic and geographical constraints.In upper-middle income countries, encouraging family support and timely screening and assessment for aphasia, cognition and depression appear to be the low hanging fruits to enhance quality of life after stroke.Innovative ways to increase intensity of practice and channelling of resources to improve transitions in care may prove to be the most beneficial in advancing stroke rehabilitation in high income countries.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,134
score de la tête « metaresearch » (Gemma)0,267
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,134
Score d'incertitude au seuil0,709

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,1340,267
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,005
Études des sciences et des technologies0,0020,003
Communication savante0,0080,007
Science ouverte0,0010,004
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,060
Tête enseignante GPT0,378
Écart entre enseignants0,318 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations12
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueDisability and RehabilitationMême sujetStroke Rehabilitation and RecoveryTravaux en français237 207