MétaCan
Menu
Retour à la cohorte
Enregistrement W4306164626 · doi:10.1097/mrr.0000000000000552

Cognitive impairment predicts engagement in inpatient stroke rehabilitation

2022· article· en· W4306164626 sur OpenAlexaboutno aff
Ryan Lowder, Abhishek Jaywant, Chaya B. Fridman, Joan Toglia, Michael W. O’Dell

Notice bibliographique

RevueInternational Journal of Rehabilitation Research · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueStroke Rehabilitation and Recovery
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésRehabilitationStroke (engine)CognitionPhysical medicine and rehabilitationCognitive rehabilitation therapyPsychological interventionPhysical therapyMedicinePsychologyPsychiatry

Résumé

récupéré en direct d'OpenAlex

Patient engagement during inpatient rehabilitation is an important component of rehabilitation therapy, as lower levels of engagement are associated with poorer outcomes. Cognitive deficits may impact patient engagement during inpatient stroke rehabilitation. Here, we assess whether patient performance on the cognitive tasks of the 30-min National Institute of Neurologic Disorders and Stroke - Canadian Stroke Network (NINDS-CSN) screening battery predicts engagement in inpatient stroke rehabilitation. Prospective data from 110 participants completing inpatient stroke rehabilitation at an academic medical center were utilized for the present analyses. Cognitive functioning was assessed at inpatient stroke rehabilitation admission using the NINDS-CSN cognitive battery. Patient engagement was evaluated at discharge from an inpatient rehabilitation unit using the Hopkins Rehabilitation Engagement Rating Scale. The results demonstrate that the NINDS-CSN cognitive battery, specifically subtests measuring executive functioning, attention and processing speed, predicts patient engagement in inpatient stroke rehabilitation. Cognitively impaired patients undergoing rehabilitation may benefit from modifications and interventions to increase engagement and improve functional 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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,008
score de la tête « metaresearch » (Gemma)0,009
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Charge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,051
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0080,009
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0030,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,042
Tête enseignante GPT0,410
Écart entre enseignants0,367 · 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 tête enseignante, pas un consensus.

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

Citations11
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Rehabilitation ResearchMême sujetStroke Rehabilitation and RecoveryTravaux en français237 207