MétaCan
Menu
← Retour à la cohorte
Enregistrement W4399991850 · doi:10.2196/58330

Current Status of Outcomes Reported by Patients With Stroke and an Analysis of Influencing Factors: Cross-Sectional Questionnaire Study

2024· article· en· W4399991850 sur OpenAlexvenueno aff
Jia Sun, Liang Ma, Xiao Miao, Hui Sun, SuSu Zhu, Lele Fan

Notice bibliographique

RevueJMIR Formative Research · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueStroke Rehabilitation and Recovery
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineStroke (engine)Cross-sectional studyQuality of life (healthcare)RehabilitationAffect (linguistics)Physical therapyIncidence (geometry)Cause of deathGerontologyPsychologyDiseaseInternal medicineNursingPathology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Stroke is the leading cause of acquired disability and the second leading cause of death worldwide. Its rate of incidence, disability, mortality, and recurrence is high, and the patients experience various symptoms of discomfort, which not only affect their rehabilitation function but also reduce their ability to perform daily activities and their quality of life. Nowadays, with the improvement of China's medical standards, patients are increasingly attentive to their quality of life and health status. However, diagnostic techniques and effective treatments for patients with stroke are still limited but urgently required. OBJECTIVE: This study aimed to evaluate the quality of life during hospitalization using a stroke patient-reported outcomes (PROs) scale and additionally to recognize potential factors and risk indicators that may impact recurrent events, facilitating early intervention measures. METHODS: This is a registry-based, retrospective observational cross-sectional study on patients with stroke. A convenient sampling method was used to select various indicators of patients. The Stroke-PRO scale was then used to assess patients' conditions across physical, psychological, social, and therapeutic domains. Multiple linear regression analysis was applied to identify factors influencing stroke PROs, while correlation analysis was conducted to explore the relationship between these outcomes and blood lipid levels. RESULTS: The mean Stroke-PRO score in this study was 4.09 (SD 0.29) points. By multiple linear regression analysis, residence, occupation, physical exercise, Barthel index, Braden scale, National Institutes of Health Stroke Scale scores at admission, and stroke type were the risk factors for reported outcomes of patients with stroke (P<.05). Correlation analysis showed that serum triglyceride, total cholesterol, and low-density lipoprotein were negatively correlated with Stroke-PRO scores in patients with stroke (P<.05), while high-density lipoprotein was positively correlated with patients with stroke (P<.05). The 95% CI was -0.31 to -0.03 for triglyceride, 0.17-0.44 for high-density lipoprotein, -0.29 to -0.01 for cholesterol, -0.30 to -0.02 for low-density lipoprotein, and -0.12 to 0.16 for blood glucose. CONCLUSIONS: Patients with stroke have a low level of health, and their reported outcomes need to be improved. Accordingly, nursing staff should pay attention to the quality of life and blood lipid indexes of patients with stroke, actively assess their actual health status, and take early intervention measures to promote their recovery.

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)0,002
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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
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 Opus0,048
Tête enseignante GPT0,464
Écart entre enseignants0,416 · 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'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations1
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Formative Research→Même sujetStroke Rehabilitation and Recovery→Travaux en français237 207→