Stroke Rehabilitation Clinical Practice Guidelines in Low- and Middle-Income Countries: A Systematic Review of Quality and Unique Features
Notice bibliographique
Résumé
INTRODUCTION: Efforts toward reducing stroke burden have been an immense challenge. One important reasons could be the scope and quality of clinical practice guidelines (CPGs) developed for stroke rehabilitation in low- and middle-income countries (LMICs), restricting its translation to clinical practice. This systematic review aimed to assess the availability, scope and quality of CPGs for stroke rehabilitation in LMICs. METHODS: Following PRISMA guidelines, CPGs for stroke rehabilitation in LMICs were searched across four major electronic databases (Medline, Embase, CINAHL, and PEDro). Additional studies were identified from grey literature and a hand search of key bibliographies and search engines. The availability and content of the CPGs were narratively summarized and quality of de novo CPGs was analyzed using "Appraisal of Guidelines REsearch and Evaluation" (AGREE) tools: version II & Recommendations Excellence (REX) version. Features of contextualizations/adaptations of non-de novo CPGs were narratively summarized. RESULTS: Twelve CPGs from 10 countries were included. CPGs from Pakistan, Sri Lanka, India, and China were developed de novo. CPGs from Kenya, Philippines, South Africa, Cameroon, Mongolia, and Ukraine were contextualized/adapted based on existing guidelines from high-income countries. Most contextualized CPGs had limited stakeholder involvement, local health systems/patient pathway analyses. All ten countries included recommendations for physiotherapy, seven for communication, swallowing, and five for occupational therapy services poststroke. Quality assessment using AGREE-REX and AGREE-II for de novo guidelines was poor, especially scoring low in development and applicability. CONCLUSION: Contextualized CPGs for stroke rehabilitation in LMICs were scarcely available and not meeting required quality. There is a need for development of context-specific, culturally relevant CPGs for stroke rehabilitation in LMICs to improve implementation/translation into clinical practice.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,070 | 0,302 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,002 |
| Méta-épidémiologie (sens large) | 0,007 | 0,006 |
| Bibliométrie | 0,021 | 0,028 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,005 | 0,006 |
| Science ouverte | 0,003 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».