MétaCan
Menu
Retour à la cohorte
Enregistrement W4414406756 · doi:10.1097/pep.0000000000001263

Accuracy of the AM-PAC BMSF in Predicting Discharge Physical Therapy Referrals in Pediatric Acute Care

2025· article· en· W4414406756 sur OpenAlexaff
Erin Gates, Sarah Eilerman, Rachel Bican

Notice bibliographique

RevuePediatric Physical Therapy · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueCerebral Palsy and Movement Disorders
Établissements canadiensBitCan (Canada)
Organismes subventionnairesnon disponible
Mots-clésAcute carePatient dischargeAmbulatory careHospital dischargeCutoffMEDLINE

Résumé

récupéré en direct d'OpenAlex

PURPOSE: This study evaluated the accuracy of the Activity Measure for Post-Acute Care "6-Clicks" Inpatient Basic Mobility Short Form (AM-PAC BMSF) in predicting discharge outcomes in a pediatric acute care setting and identifying a cutoff score for outpatient physical therapy referrals. METHODS: A retrospective analysis included initial AM-PAC BMSF scores from 2014 children aged 4 to 17 years hospitalized for more than 72 hours. Receiver operating characteristic curve analysis assessed the tool's sensitivity and specificity in predicting postdischarge physical therapy referrals. RESULTS: Children referred to outpatient physical therapy had significantly lower initial AM-PAC BMSF scores. A raw score of 17 to 18 (49% impairment) was the optimal cutoff score for predicting outpatient physical therapy referrals. CONCLUSIONS: The AM-PAC BMSF, completed at the initial evaluation, can moderately predict the need for outpatient physical therapy following pediatric acute care discharge. A cutoff score of 18 may support more proactive and targeted discharge planning.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,027
Score d'incertitude au seuil0,945

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,020
Tête enseignante GPT0,323
Écart entre enseignants0,304 · 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 tête enseignante, 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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePediatric Physical TherapyMême sujetCerebral Palsy and Movement DisordersTravaux en français237 207