The MoxFo initiative – outcomes: Outcome measures in studies of exercise training in multiple sclerosis; scoping review of reviews and classification according to the ICF framework
Notice bibliographique
Résumé
BACKGROUND: The number of published studies of exercise training in multiple sclerosis (MS) has grown exponentially with increasing numbers of outcomes capturing exercise effects. This has complicated the selection of relevant indicators and interpretation of intervention effects. OBJECTIVES: The Outcomes subgroup of the MoXFo initiative aimed to (1) identify outcome measures and biomarkers in studies of exercise training in MS; (2) systematically map retrieved outcomes to International Classification of Functioning, Disability and Health (ICF) categories; (3) identify gaps where relevant ICF categories have been omitted. METHODS: Electronic databases and registers were searched from 2010 to July 2020 to identify systematic reviews or meta-analyses of controlled trials of exercise training on any outcome in MS. Retrieved outcomes/biomarkers were mapped to the corresponding ICF category. RESULTS: Eighty-one review articles reporting 235 different outcomes were included. The outcomes corresponded to 15 chapters and 45 categories within the ICF. Outcomes mapped primarily to body function (30 categories) and activities and participation (9 categories) components. Few outcomes mapped to body structures (2 categories) or environmental factors (1 category). CONCLUSION: This sets the stage to develop a resource for researchers/clinicians that will aid in the selection of appropriate outcomes/biomarkers when examining exercise effects in MS.
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 | 0,085 | 0,216 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,002 |
| Méta-épidémiologie (sens large) | 0,016 | 0,015 |
| Bibliométrie | 0,090 | 0,067 |
| Études des sciences et des technologies | 0,003 | 0,003 |
| Communication savante | 0,008 | 0,007 |
| Science ouverte | 0,004 | 0,008 |
| Intégrité de la recherche | 0,005 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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 ».