Clinical characteristics of children with severe neurologic impairment: A scoping review
Notice bibliographique
Résumé
OBJECTIVE: The aim of this study is to extrapolate the clinical features of children with severe neurologic impairment (SNI) based on the functional characteristics and comorbidities described in published studies. METHODS: Four databases were searched. We included studies that describe clinical features of a group of children with SNI (≥20 subjects <19 years of age with >1 neurologic diagnosis and severe functional limitation) using data from caregivers, medical charts, or prospective collection. Studies that were not written in English were excluded. We extracted data about functional characteristics, comorbidities, and study topics. RESULTS: We included 102 studies, spanning 5 continents over 43 years, using 41 distinct terms for SNI. The terms SNI and neurologic impairment (NI) were used in 59 studies (58%). Most studies (n = 81, 79%) described ≥3 types of functional characteristics, such as technology assistance and motor impairment. Studies noted 59 comorbidities and surgeries across 10 categories. The most common comorbidities were related to feeding, nutrition, and the gastrointestinal system, which were described in 79 studies (77%). Most comorbidities (76%) were noted in <10 studies. Studies investigated seven clinical topics, with "Gastrointestinal reflux and feeding tubes" as the most common research focus (n = 57, 56%). The next most common topic, "Aspiration and respiratory issues," included 13 studies (13%). Most studies (n = 54, 53%) were retrospective cohorts or case series; there were no clinical trials. CONCLUSIONS: Despite the breadth of described comorbidities, studies focused on a narrow set of clinical topics. Further research is required to understand the prevalence, clinical impact, and interaction of the multiple comorbidities that are common in children with SNI.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,006 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 tête enseignante, 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 ».