Prédiction de la capacité de marche à un an lors de la phase aiguë du traumatisme chez les patients blessés médullaires traumatiques
Bibliographic record
Abstract
Une lésion médullaire traumatique (LMT) a des conséquences neurologiques importantes, dont l’altération de la capacité à marcher. Prédire précocement cette capacité suite au traumatisme a inspiré le développement de multiples règles de prédiction. Simples et précises, elles prédisent la marche intérieure sur de courtes distances, sans considérer la qualité de la marche. L’utilité et la valeur ajoutée de ces règles n’ont jamais été évaluées comparativement au jugement non structuré des cliniciens à qui elles sont dédiées. L’objectif était d’identifier des éléments de l’évaluation aiguë standardisée ISNCSCI (International Standards for Neurological Classification of Spinal Cord Injury) permettant de développer une règle de prédiction clinique pour la marche communautaire extérieure indépendante un an après une LMT, tout en assurant une bonne validité externe et une utilité clinique lorsque comparée au jugement des cliniciens. La force segmentaire du membre inférieur le plus fort et la préservation de la sensibilité au toucher léger sont de meilleurs prédicteurs d’une marche indépendante. Une règle de prédiction clinique a également pu être développée : elle est pertinente; généralisable; simple; tient compte de la qualité de la marche; et est axée sur la vie communautaire, la participation sociale et la qualité de vie. La performance d’une règle de prédiction de la marche intérieure est statistiquement similaire à celle de cliniciens utilisant leur jugement non structuré, mais peut varier. Cette recherche recommande l’utilisation de règles de prédiction clinique comme aide à la décision chez les patients après une LMT, dont celle développée pour la marche communautaire indépendante.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.011 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.002 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".