Physical Activity Predicts Cardiorespiratory Fitness After Stroke: A Diagnostic Accuracy Study
Notice bibliographique
Résumé
BACKGROUND AND PURPOSE: Stroke clinicians need access to cost-effective, accurate, and time-efficient tools that can assist with cardiorespiratory fitness (V̇O 2 peak) screening. The associations and diagnostic metrics between physical activity as measured by the Physical Activity Scale for Individuals with Physical Disabilities (PASIPD) and V̇O 2 peak among individuals ≥6 months post-stroke were evaluated. METHODS: This is a secondary analysis of an randomized controlled trial (RCT). Participants' baseline age, sex, gait speed, V̇O 2 peak, and PASIPD were included in adjusted logistic regression analyses. The association between the PASIPD (MET-hours/day) and V̇O 2 peak at 15, 12, and 18 mL/kg/min was evaluated to reflect the average, lower, and upper limits of V̇O 2 peak post-stroke, respectively. Predicted classifications and the Youden index identified cut points of the PASIPD. RESULTS: Eighty-five participants (n =53 males, aged 65.1 ± 9.5 years, 1.8 ± 1.2 years post-stroke) were included. A 1-unit increase in the PASIPD (MET-hours/day) was significantly associated with 21% increased odds of identifying an individual with a V̇O 2 peak ≥ 15 mL/kg/min (adjusted OR [aOR] = 1.21; 95% CI 1.07, 1.36; P = .002) with excellent area under the curve (AUC = 0.91; 95% CI 0.85, 0.97). Consistent associations were found for a V̇O 2 peak ≥ 12 mL/kg/min (aOR = 1.15; 95% CI 1.01, 1.14; P = .046) but not for V̇O 2 peak ≥ 18 mL/kg/min (aOR = 1.04; 95% CI 0.99, 1.10; P = .15). Unadjusted Youden PASIPD cut point of 8.9 MET-hours/day may identify individuals with a V̇O 2 peak ≥ 15 mL/kg/min post-stroke (AUC = 0.69; 95% CI 0.59, 0.79). DISCUSSION AND CONCLUSIONS: Clinicians may use the PASIPD to screen V̇O 2 peak impairments post-stroke.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,001 |
| 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 ».