Identifying Opportunities for Early Detection of Cerebral Palsy
Notice bibliographique
Résumé
This study aimed to evaluate assessment and referral practices for the early detection and diagnosis of children at risk for or with cerebral palsy (CP) by health care and education providers in Maryland and Delaware. A secondary aim was to identify barriers for using early detection tools and identify opportunities for change to support early diagnosis and improve care. Seventy-two participants answered ≥ 50% of the survey questions. Most were occupational or physical therapists (86%) working in early intervention (61%). Eighty-eight percent indicated awareness that CP can be diagnosed by 12 months. Though 86% stated they typically suspect a diagnosis of CP between 0 and 12 months, only 19% reported that their patients received a CP diagnosis < 12 months. The Developmental Assessment of Young Children (73%) and the Peabody Developmental Motor Scales-2 (59%) were used most. Many respondents indicated never using magnetic resonance imaging (70%), the General Movements Assessment (87%), or the Hammersmith Infant Neurological Exam (69%). Participants identified clinical signs and symptoms prompting a referral for the diagnostic assessment of CP, most commonly stiffness in legs (95%), excessive head lag (93%), and persistent fisting (92%). Policy and organizational change, clinician education, and training are needed to support the implementation of CP early detection guidelines.
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 | 0,000 | 0,000 |
| 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 ».