Development of a functional electrical stimulation cycling toolkit for spinal cord injury rehabilitation in acute care hospitals: A participatory action approach
Notice bibliographique
Résumé
The purpose of our study was to develop a toolkit to facilitate the implementation of functional electrical stimulation (FES) cycling for persons with a newly acquired spinal cord injury (SCI) in the acute care inpatient hospital setting. The researchers and community members used participatory action as a research approach to co-create the toolkit. We held two focus groups to develop drafts, with a third meeting to provide feedback, and a fourth meeting to evaluate the toolkit and determine dissemination strategies. Toolkit development followed the Planning, Action, Reflection, Evaluation cycle. We used an iterative design informed by focus group and toolkit consultant (SC) feedback. In focus group discussions, we included FES cycling champions (JK, DW) who led acute care implementation. Focus group members, recruited through purposive sampling, had to 1) have an understanding about FES cycling in acute care for SCI and 2) represent one of these groups: individual living with SCI, social support, hospital manager, clinician, therapist, researcher, and/or acute care FES cycling champion. Twelve individuals took part in four focus groups to develop a toolkit designed to facilitate implementation of FES cycling in SCI acute care in Edmonton, Alberta. Group members included an individual with lived experience, three acute-care occupational or physical therapists, three acute-care hospital managers, and five researchers. Two physical therapists also identified as clinical FES cycling champions. Following an inductive content analysis, we identified four main themes: 1) Health care provider toolkit content and categories, 2) Health care provider toolkit end product, 3) Collaborations between groups and institutions and 4) Infrastructure. Interested parties who utilize FES cycling in acute care for SCI rehabilitation agree that toolkits should target the appropriate group, be acute care setting-specific, and provide information for a smooth transition in care.
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 | 0,083 | 0,047 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,013 | 0,010 |
| Communication savante | 0,006 | 0,005 |
| Science ouverte | 0,005 | 0,016 |
| Intégrité de la recherche | 0,002 | 0,004 |
| 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 ».