Ervaren problemen van kinderen en adolescenten met cerebrale parese
Bibliographic record
Abstract
Inleiding: Er is weinig bekend over ervaren problemen van kinderen en adolescenten met cerebrale parese (CP) vanuit hun eigen perspectief. Huidig onderzoek heeft als hoofddoel om de zelf ervaren problemen van kinderen en adolescenten met CP te inventariseren. Een secundair doel betreft het toetsen van verschillen in ervaren problemen tussen leeftijdsgroepen, GMFCS niveau en wel of geen CP. \nMethoden: Totaal werden 246 participanten met CP (M leeftijd: 11.1, SD: 5.8) uit de Pediatric Rehabilitation Research in the Netherlands (PERRIN) in dit onderzoek opgenomen. Om de ervaren problemen te meten werd gebruik gemaakt van de Canadian Occupational Performance Measure (COPM). Om de ernst van CP te meten werd gebruik gemaakt van de Gross Motor Function Classification System (GMFCS). De COPM data werd ingedeeld naar de International Classification of Functioning, Disability and Health (ICF). Verschillen werden getoetst met de Pearson Chi-Kwadraat toets. \nResultaten: De ervaren problemen van kinderen en adolescenten met CP bleken kwalitatief verschillend. Er werd een significant verschil gevonden in ervaren problemen tussen leeftijdsgroepen (X 2 (51, N = 611) = 242, p < .05), GMFCS niveau (X 2 (68, N = 608) = 127, p < .05) en wel of geen CP (X 2 (133, N = 763) = 880, p < .05). \nConclusie: De meeste problemen worden, over alle leeftijden, genoemd binnen het component activiteiten en participatie. Daarnaast blijken de verschillen in ervaren problemen tussen leeftijdsgroepen, GMFCS niveau en wel of geen CP significant. Voor de praktijk is het relevant om naast standaardvragenlijsten de COPM te gebruiken.
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 | 0.008 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.015 | 0.002 |
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".