Step Number and Aerobic Minute Exercise Prescription and Progression in Stroke: A Roadmap
Notice bibliographique
Résumé
BACKGROUND: more than double the steps and aerobic minutes within a session can be achieved compared with usual care and translates to improved long-term walking outcomes. OBJECTIVE: We modeled data from this successful higher intensity multi-site RCT to develop targets for prescribing and progressing exercise for varying levels of walking impairment after stroke. METHODS: In twenty-five individuals in inpatient rehabilitation, twenty sessions were monitored for a total of 500 one-hour physical therapy sessions. For the 500 sessions, step number and aerobic minute progression were modeled using linear mixed effects regression. Using formulas from the linear mixed effects regression, targets were calculated. RESULTS: The model for step number included session number and baseline walking speed, and for aerobic minutes, session number and age. For steps, there was an increase of 73 steps per session. With baseline walking speed, for every 0.1 m/s increase, a corresponding increase of 302 steps was predicted. For aerobic minutes, there was an increase of .56 minutes of aerobic activity (ie, 34 seconds) per session. For every year increase in age, a decrease of .39 minutes (ie, 23 seconds) was predicted. CONCLUSIONS: Using data associated with better walking outcomes, we provide step number and aerobic minute targets that future studies can cross-validate. As walking speed and age are collected at admission, these models allow for uptake of routine measurement of therapeutic intensity.Registration: www.clinicaltrials.gov; NCT01915368.
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 | 0,018 | 0,025 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».