The ability of clinical balance measures to identify falls risk in multiple sclerosis: a systematic review and meta-analysis
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Objective: To determine the ability of clinical measures of balance to distinguish fallers from non-fallers and to determine their predictive validity in identifying those at risk of falls. Data sources: AMED, CINAHL, Medline, Scopus, PubMed Central and Google Scholar. First search: July 2015. Final search: October 2017. Review methods: Inclusion criteria were studies of adults with a definite multiple sclerosis diagnosis, a clinical balance assessment and method of falls recording. Data were extracted independently by two reviewers. Study quality was assessed using the Quality Assessment of Diagnostic Accuracy Studies-2 scale and the modified NewcastleâOttawa Quality Assessment Scale. Statistical analysis was conducted for the cross-sectional studies using Review Manager 5. The mean difference with 95% confidence interval in balance outcomes between fallers and non-fallers was used as the mode of analysis. Results: We included 33 studies (19 cross-sectional, 5 randomised controlled trials, 9 prospective) with a total of 3901 participants, of which 1917 (49%) were classified as fallers. The balance measures most commonly reported were the Berg Balance Scale, Timed Up and Go and Falls Efficacy Scale International. Meta-analysis demonstrated fallers perform significantly worse than non-fallers on all measures analysed except the Timed Up and Go Cognitive (p < 0.05), but discriminative ability of the measures is commonly not reported. Of those reported, the Activities-specific Balance Confidence Scale had the highest area under the receiver operating characteristic curve value (0.92), but without reporting corresponding measures of clinical utility. Conclusion: Clinical measures of balance differ significantly between fallers and non-fallers but have poor predictive ability for falls risk in people with multiple sclerosis.
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.
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 | 0,001 | 0,000 |
| 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 | 0,001 | 0,004 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 découle