A systematic literature review of the impact and measurement of mobility impairment in rare bone diseases
Notice bibliographique
Résumé
Background: Although rare bone diseases (RBDs) present mobility challenges, there is little consolidated evidence on evaluated mobility measurement tools or how mobility impairments impact daily activities and quality of life (QoL). Objectives and design: This systematic literature review investigated: (1) the impacts of mobility impairment on daily activities/QoL; (2) the suitability/comprehensiveness of tools measuring mobility. Data sources and methods: MEDLINE/Embase databases (January 19, 2022) and Google (October 19, 2022) were searched for articles published between 2011 and 2022; conference proceedings from 2020 to 2021 were hand-searched. Included articles reported on how mobility impairments impact daily activities/QoL, or the use of tools for measuring mobility, in RBDs. A narrative analysis using descriptive statistics was conducted. Studies were assessed for risk of bias using The Alberta Heritage Foundation for Medical Research Quality Assessment Criteria and National Institute of Health Quality Assessment Tool for Case Series Studies. Results: = 36 cohorts; commonly pain (30/36; 83.3%; Objective 1). There were 34 functional assessments, 22 questionnaires, and 5 technologies described. Only nine functional assessments/questionnaires were reported to have good validity/reliability/responsiveness for an RBD (not reported for technologies); none comprehensively captured daily living/QoL impacts of mobility impairment. The quality of studies was moderate, though many were case studies/series, which are at inherent risk of bias. Conclusion: Few tools comprehensively captured mobility impairments and associated impacts on daily activities/QoL. Consistent reporting of tools' validity/reliability/responsiveness would support clinicians in selecting methods for use across RBD populations. Used remotely, wearables could support understanding of real-world mobility challenges. Since searches were conducted, additional technologies (e.g., remote gait analysis) have been tested in RBDs, although validation is required. Protocol PROSPERO registration: CRD42022311513. Sponsored by Ipsen.
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) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».