Translation, reliability, and validation of the Dutch Safe Use of Mobility Aid Checklist (SUMAC-NL) for walker use in people living with dementia
Notice bibliographique
Résumé
<ns3:p>Background: People with dementia have a yearly risk of falling of 60 to 80 percent. Therefore, a walker is often recommended. However, the use of a walker in people with dementia is associated with a threefold increased odds of falls compared to their healthy peers. Better advice and training could reduce fall risk. Therefore, a tool to assess functional walking skills with a walker is needed. The SUMAC was developed to fill this gap. So far, there is no Dutch instrument available that can assess functional walking skills with a walker in people with dementia. </ns3:p> <ns3:p>Methods: Reliability was evaluated by scoring videos of people with dementia (n = 9) using a walker performing the SUMAC-NL. ICC was used to assess inter-rater and test-retest reliability. An expert panel (n = 8) evaluated the content validity using the content validity index (CVI) and the content validity ratio (CVR). </ns3:p> <ns3:p>Results: Inter-rater reliability of the SUMAC-NL was statistically significant for the PF domain (ICC = 0.94, 95%CI (0.84, 0.98, p < 0.001) and for the EQ domain (ICC = 0.79, 95%CI (0.49 – 0.95), p < 0.001). Test-retest reliability was statistically significant for both the PF domain (ICC = 0.95, 95%CI (0.89, 0.99), p < 0.001) and EQ domain (ICC = 0.92, 95%CI (0.82, 0.98), p < 0.001). The SUMAC-NL shows content validity with a CVI >0.79 for both domains and a CVR of 0.53 on the PF domain and 0.78 on the EQ domain. </ns3:p> <ns3:p>Conclusions: The SUMAC-NL shows good to excellent reliability and content validity for both the PF and the EQ domain. The SUMAC-NL seems to be a promising tool to assess walking with a walker in people with dementia in the Netherlands.</ns3:p>
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».