Stroke, rehabilitation, triage, discharge destinations, stroke severity, Functional Autonomy Measurement System (SMAF)
Notice bibliographique
Résumé
Background: Patients 3-5 days post stroke should be evaluated with a toolkit of valid assessment tools to assist in rehabilitation destination planning. A tool to assess stroke severity is a key component. A short form of the Functional Independence Measure (FIM), the AlphaFIM, is widely used. In Quebec, the Functional Autonomy Measurement System (SMAF) is used, however no short version exists.Objective: To develop a short version of the SMAF, the SF-SMAF, to assist in selecting the optimal rehabilitation destination.Methods: Patients, on average 5 days post stroke (n = 207) admitted to four academic acute hospitals were assessed with the SMAF. Linear regressions with the SMAF total score as the dependent variable and its 29 items as independent variables identified subgroups of items for inclusion in the SF-SMAF. A panel of experts (n = 10) selected the best subgroup of items, based on clinical experience. Multinomial logistic regression was used to examine the ability of the SF-SMAF to predict discharge destinations (home without rehabilitation, outpatient or inpatient rehabilitation). Results: Regression analyses and the expert panel led to retaining 4 of the 29 items of the SMAF: washing, walking inside, judgment, budgeting (R2 = 94%). The SF-SMAF predicts 66% of the rehabilitation discharge destinations. Adding the variables u201cpresence of barriers to returning homeu201d and u201ccommunicationu201d to the SF-SMAF raise the prediction to 81%.Conclusion: The SF-SMAF estimates the SMAF, is quick and easy to administer, and provides a measure of stroke severity to inform the choice of optimal rehabilitation destination.
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 | 0,007 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,033 | 0,012 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,013 | 0,027 |
| Science ouverte | 0,012 | 0,011 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,020 | 0,022 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».