Exploring vocational outcomes, quality of life, and social inclusion in patients with spinal cord injuries following vocational rehabilitation in India
Notice bibliographique
Résumé
Abstract Study design We conducted a mixed-methods sequential explanatory study. In India, most spinal cord injuries (SCI) occur within low socioeconomic status populations, typically resulting in poor vocational outcomes post-injury and difficulty reintegrating into the community. This study will increase our understanding of how vocational rehabilitation affects patients with SCI. Objectives This study aims to understand the factors affecting vocational outcomes, quality of life and social inclusion for patients who have completed the Amar Seva Sangam (ASSA’s) rehabilitation program, by examining both quantitative and qualitative measures. Methods Conducted at the University of Toronto, we used self-administered questionnaires via REDCap for quantitative data collection and semi-structured interviews for qualitative data collection to capture aspects of lived SCI experience for five participants. Results Thirty-two participants completed the quantitative phone questionnaire of which 17 were paraplegic and 15 were quadriplegic. Four themes emerged including physical barriers to employment, social inclusion of SCI patients, low income, and state of mental health. Conclusion This study provided a detailed examination of demographic information and lived experiences of ASSA participants. The findings will be relevant and applicable to both clinical and public health sectors in SCI rehabilitation in India and other low- and middle-income countries by directing rehabilitation programs to better address areas of function that allow patients to find success following rehabilitation.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 ».