EVALUATING FUNCTIONAL INDEPENDENCE IN PEOPLE WITH STROKE AND COGNITIVE IMPAIRMENT AFTER AN INTERPROFESSIONAL KNOWLEDGE TRANSLATIONS INTERVENTION, CO-OP KT
Notice bibliographique
Résumé
Background: Patients with cognitive impairment (CI) and stroke are often denied access to inpatient rehabilitation due to lack of skills and knowledge to treat stroke patients with CI. To address these issues, we implemented a knowledge translation intervention designed to increase rehabilitation team knowledge and self-efficacy based on the Cognitive Orientation to daily Occupational Performance (CO-OP) approach. The aim of this project is to estimate the odds of achieving minimal clinically important difference (MCID) in functional independence relative to sample cohort, rehabilitation hospital, and cognitive impairment severity in people with stroke.Methods: Five inpatient rehabilitation teams from Toronto, Canada, participated in the intervention that consisted of a 2 day workshop, 4 months of implementation support, health system support, and a sustainability plan. Functional Independence Measure (FIMu00ae) data were extracted from the E-Stroke electronic rehabilitation referral system. Twelve months of data pre-intervention and 6 months post-intervention were analyzed. A logistic regression was performed to determine the odds ratios for achieving MCID based on sample cohort (historical control vs post-intervention), controlling for severity of CI.Results: Odds of achieving MCID were 1.18 for the post-intervention group relative to the historical control; ranged from 0.17 to 0.47 for the rehabilitation hospitals relative to the most successful site; and were 1.23 for mild CI, 1.04 for moderate CI, and 0.50 for severe CI relative to no cognitive impairment. Conclusions: Additional work is required to improve functional independence in people with stroke and severe CI.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,020 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,004 | 0,022 |
| Science ouverte | 0,003 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,042 | 0,003 |
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 ».