Assessment of Walking Speed and Distance Post-Stroke Increases After Providing a Theory-Based Toolkit
Notice bibliographique
Résumé
BACKGROUND AND PURPOSE: While underutilized, poststroke administration of the 10-m walk test (10mWT) and 6-minute walk test (6MWT) can improve care and is considered best practice. We aimed to evaluate provision of a toolkit designed to increase use of these tests by physical therapists (PTs). METHODS: In a before-and-after study, 54 PTs and professional leaders in 9 hospitals were provided a toolkit and access to a clinical expert over a 5-month period. The toolkit comprised a guide, smartphone app, and video, and described how to set up walkways, implement learning sessions, administer walk tests, and interpret and apply test results clinically. The proportion of hospital visits for which each walk test score was documented at least once (based on abstracted health records of ambulatory patients) were compared over 8-month periods pre- and post-intervention using generalized mixed models. RESULTS: Data from 347 and 375 pre- and postintervention hospital visits, respectively, were analyzed. Compared with preintervention, the odds of implementing the 10mWT were 12 times greater (odds ratio [OR] = 12.4, 95% confidence interval [CI] 5.8, 26.3), and of implementing the 6MWT were approximately 4 times greater (OR = 3.9, 95% CI 2.3, 6.7), post-intervention, after adjusting for hospital setting, ambulation ability, presence of aphasia and cognitive impairment, and provider-level clustering. Unadjusted change in the percentage of visits for which the 10mWT/6MWT was documented at least once was smallest in acute care settings (2.0/3.8%), and largest in inpatient and outpatient rehabilitation settings (28.0/19.9% and 29.4/23.4%, respectively). DISCUSSION AND CONCLUSIONS: Providing a comprehensive toolkit to hospitals with professional leaders likely contributed to increasing 10mWT and 6MWT administration during inpatient and outpatient stroke rehabilitation.Video Abstract available for more insights from the authors (see the Video, Supplemental Digital Content 1, available at: http://links.lww.com/JNPT/A390 ).
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 | 0,005 | 0,025 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».