Challenges in selecting relevant outcomes when evaluating the effectiveness of rehabilitation inteventions for persons with stroke
Notice bibliographique
Résumé
The effectiveness of rehabilitation interventions has traditionally been measured using tests of physical capacity. The rehabilitation process, however, comprises many ingredients that set up a cascade of effects that impact beyond simple physical capacity. In this thesis, the vehicle of a clinical trial conducted to evaluate the efficacy of a walking intervention for persons with chronic stroke was used to illustrate the array of outcomes that are impacted upon by a rehabilitation intervention. First, the walking intervention was proven effective in enhancing two traditional capacity outcomes: functional walking capacity and walking speed. The intervention primarily benefited functional walking capacity, measured as the distance a person can walk in six minutes, indicating the task-specificity of training effects. Persons with a baseline walking deficit of moderate severity responded to the walking intervention to a greater extent than persons with mild or severe impairment. Following, the role of a less traditional construct---self-efficacy for balance activities---as an outcome of stroke rehabilitation was evaluated. Self-efficacy reflects perceived ability and it is measured not by direct testing but rather by self-report. It was hypothesized that the walking intervention would benefit balance self-efficacy in addition to functional walking capacity given that mastering a task is expected to enhance self-efficacy for that task. Thesis findings supported this hypothesis and suggested that the level of depressive symptoms may modify effects. Self-efficacy was also expected to influence physical functioning as much as physical capacity and this hypothesis was verified. Self-efficacy was also an independent predictor of perceived health status. Additional associations were observed between balance self-efficacy and age, gender, depression and functional capacity. Before recommending the evaluation of balance self-efficacy in rehabilitation
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,388 | 0,540 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,008 | 0,007 |
| Bibliométrie | 0,007 | 0,006 |
| Études des sciences et des technologies | 0,003 | 0,003 |
| Communication savante | 0,010 | 0,005 |
| Science ouverte | 0,005 | 0,005 |
| Intégrité de la recherche | 0,004 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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; l’étiquette directe de Gemma et le classifieur distillé Codex 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 ».