MétaCan
Menu
← Retour à la cohorte
Enregistrement W4393761308 · doi:10.5281/zenodo.4066671

Rehabilitation Outcomes of Patients With Severe Disability Poststroke

2018· dataset· en· W4393761308 sur OpenAlexaboutno aff
Domenico Scrutinio, Pietro Guida, Bernardo Lanzillo, Chiara Ferretti, Anna Loverre, Montrone Nicola, Simona Spaccavento

Notice bibliographique

RevueZenodo (CERN European Organization for Nuclear Research) · 2018
Typedataset
Langueen
DomaineMedicine
ThématiqueStroke Rehabilitation and Recovery
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésRehabilitationPhysical medicine and rehabilitationPhysical therapyMedicinePsychology

Résumé

récupéré en direct d'OpenAlex

Objective: To characterize rehabilitation outcomes of patients with severe poststroke motor impairment (MI) and develop a predictive model for treatment failure. Design: Retrospective cohort study. Correlates of treatment failure, defined as the persistence of severe MI after rehabilitation, were identified using logistic regression analysis. Then, an integer-based scoring rule was developed from the logistic model. Setting: Three specialized inpatient rehabilitation facilities. Participants: Patients (N=1265) classified as case-mix groups (CMGs) 0108, 0109, and 0110 of the Medicare classification system. Interventions: Not applicable. Main outcome measure: Change in the severity of MI, as assessed by the FIM, from admission to discharge. Results: Median FIM-motor (FIM-M) score increased from 17 (interquartile range [IQR] 14-23) to 38 (IQR, 25-55) points. Median proportional recovery, as expressed by FIM-M effectiveness, was 26% (IQR, 12-47). Median FIM-M change was 18 (IQR, 9-34) points. About 38.5% patients achieved the minimal clinically important difference. Eighteen point six percent and 32.0% of the patients recovered to a stage of either mild (FIM-M ≥62) or moderate (FIM-M 38-61) MI, respectively. All between-CMG differences were statistically significant. Outcomes have also been analyzed according to classification systems used in Australia and Canada. The scoring rule had an area under the curve of 0.833 (95% confidence interval, 0.808-0.858). Decision curve analysis displayed large net benefit of using the risk score compared with the treat all strategy. Conclusions: This study provides a snapshot of rehabilitation outcomes in a large cohort of patients with severe poststroke MI, thus filling a gap in knowledge. The scoring rule accurately identified the patients at risk for treatment failure.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Jeu de données · Signal consensuel: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,014
Tête enseignante GPT0,257
Écart entre enseignants0,243 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreJeu de données

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueZenodo (CERN European Organization for Nuclear Research)→Même sujetStroke Rehabilitation and Recovery→Travaux en français237 207→