MétaCan
Menu
Retour à la cohorte
Enregistrement W4321501149 · doi:10.1097/phm.0000000000002215

Single-Case Experimental Design in Rehabilitation

2023· article· en· W4321501149 sur OpenAlexaff
Lujia Yang, Susan Armijo‐Olivo, Douglas P. Gross

Notice bibliographique

RevueAmerican Journal of Physical Medicine & Rehabilitation · 2023
Typearticle
Langueen
DomainePsychology
ThématiqueBehavioral and Psychological Studies
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésSingle-subject designClinical study designResearch designRehabilitationMedicinePsychological interventionMultiple baseline designDesign of experimentsRandomized controlled trialExperimental dataPhysical therapyClinical trialPhysical medicine and rehabilitationMedical physicsComputer scienceManagement scienceIntervention (counseling)SurgeryPsychologyEngineeringPathologyNursingPsychotherapistStatistics

Résumé

récupéré en direct d'OpenAlex

ABSTRACT: Single-case experimental design is a family of experimental methods that can be used to examine the efficacy of interventions by testing a small number of patients or cases. This article provides an overview of single-case experimental design research for use in rehabilitation as another option along with traditional group-based research when studying rare cases and rehabilitation interventions of unknown efficacy. Basic concepts related to single-case experimental design and the characteristics of common subtypes ( N-of-1 randomized controlled trial, withdrawal design, multiple-baseline design, multiple-treatment design, changing criterion/intensity design, and alternating treatment design) are introduced. The advantages and disadvantages of each subtype are discussed along with challenges in data analysis and interpretation. Criteria and caveats for interpreting single-case experimental design results and their use in evidence-based practice decisions are discussed. Recommendations are provided for appraising single-case experimental design articles as well as using single-case experimental design principles to improve real-world clinical evaluation.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,902
Score d'incertitude au seuil0,505

Scores Codex et Gemma par catégorie

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

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 Opus0,166
Tête enseignante GPT0,398
Écart entre enseignants0,232 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeAutre devis
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
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAmerican Journal of Physical Medicine & RehabilitationMême sujetBehavioral and Psychological StudiesTravaux en français237 207