MétaCan
Menu
← Retour à la cohorte
Enregistrement W4221083728 · doi:10.17817/2022.02.03.1111705

The Validity of the Gross Motor Function Measure for Use in Extremely Preterm Infants

2022· dissertation· en· W4221083728 sur OpenAlexaboutno aff
Kwon Yi

Notice bibliographique

RevueJournal of Clinical Movement Science in Human · 2022
Typedissertation
Langueen
DomaineMedicine
ThématiqueInfant Development and Preterm Care
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésGross motor skillGestational ageRaw scorePercentileMedicinePediatricsPsychologyMotor skillDevelopmental psychologyPregnancyBiologyStatisticsMathematicsRaw data

Résumé

récupéré en direct d'OpenAlex

Purpose To examine the validity of the Gross Motor Function Measure (GMFM) in assessing gross motor function (GMF) of extremely preterm infants relative to the Alberta Infant Motor Scale (AIMS). Methods The retrospective study included 60 extremely preterm infants born at <28 weeks gestational who were assessed for gross motor function using GMFM88 and AIMS at 6 and 12 months of corrected age (CA). The correlations between the AIMS raw scores and the total scores of both GMFM versions at 6 and 12 months CA were assessed. Results GMFM66 and GMFM88 total scores showed moderate to strong correlation with AIMS (p <0.001). GMFM66 and GMFM88 scores were significantly different between infants who received AIMS scores above and below the 10th percentile (p < 0.05). Conclusions The GMFM had good validity in assessing GMF in extremely preterm infants at 6 and 12 months CA

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)0,003
score de la tête « metaresearch » (Gemma)0,023
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 enseignants0,003
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,023
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,152
Tête enseignante GPT0,425
Écart entre enseignants0,274 · 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

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Clinical Movement Science in Human→Même sujetInfant Development and Preterm Care→Travaux en français237 207→