Examining Sex Differences in Relationships Between Subjective and Objective Measures of Upper Extremity Motor Impairment in a Sample of Stroke Survivors
Notice bibliographique
Résumé
BACKGROUND AND PURPOSE: Rehabilitation professionals use subjective and objective outcome measures to assess stroke-related impact and impairment. Understanding if subjective and objective findings correlate among stroke survivors, especially if these associations differ between females and males, can inform care decisions. METHODS: A retrospective cross-sectional design was used, with data selected from subacute to chronic stroke survivors on age, time since stroke, the hand domain from the Stroke Impact Scale version 3.0 (SIS-H), and the Fugl-Meyer Upper Extremity (FMUE) Assessment. Group differences were assessed for all outcomes based on sex and time poststroke. Separate correlations for females and males were performed between the subjective (SIS-H) and objective measures (FMUE) of upper limb function and impairment. RESULTS: Data from 148 participants (44 females) were included in this study. SIS-H was significantly correlated with FMUE in both females and males ( P s ≤ 0.001). No significant differences were found between the groups' mean SIS-H or FMUE scores based on sex or time poststroke. DISCUSSION AND CONCLUSIONS: Subjective and objective measures of physical functioning were correlated in both females and males. Although we found no sex differences in our primary outcomes, the sample size of females was disproportionately lower than the males. This is consistent with an ongoing problem in the stroke recovery research field, where females are often underrepresented and understudied, and where females who experience higher levels of impairment are less likely to participate in research.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 |
| 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 ».