MétaCan
Menu
Retour à la cohorte
Enregistrement W7135902743

Motor skills and cognition within rehabilitation of patients after Covid-19 disease

2021· dissertation· cs· W7135902743 sur OpenAlexaboutno aff
Eliška Kleisnerová

Notice bibliographique

RevueDigital Repository (National Repository of Grey Literature) · 2021
Typedissertation
Languecs
DomaineMedicine
ThématiqueLong-Term Effects of COVID-19
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésRehabilitationCognitionPsychosocialDiseaseMotor skillCognitive rehabilitation therapyPerceptionBalance (ability)
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

This bachelor thesis is focused on motor skills and cognition within rehabilitation of patients after covid-19 disease. The main objective was to evaluate the results of rehabilitation program of the clinic of rehabilitation in University Hospital Královské Vinohrady. Methods: 10 individuals were chosen after severe course of disease covid-19. With those patients I made a survey using COVID-19 Pandemic Mental Health Questionnaire (CoPaQ). I chose to evaluate the first part of questionnaire which informs us about health conditions of patients and their closest ones while also informing us about their psychosocial situation. After that I have collected basic information about patients which was in health documentation. Input and output data available about most patients included: saturation of oxygen, respiratory amplitude, Berg Balance Scale, Barthel Index and modified Functional Independence Measure. Results of the Montreal Cognitive Assesment are also involved into this thesis. Results of the initial and exit examination were mutually compared in order to evaluate the effects of the rehabilitation program. A part of a survey was also evaluated. Results: The results show that resting saturation of oxygen increased (p= 0,005053176) along with post-exertion saturation (p= 0,009384185). There was also...

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,022

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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.

Tête enseignante Opus0,004
Tête enseignante GPT0,258
Écart entre enseignants0,254 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDigital Repository (National Repository of Grey Literature)Même sujetLong-Term Effects of COVID-19Travaux en français237 207