Summary
여기, 선물이 스트로크 (고양이-FAS)의 기능 평가의 전산화 적응 테스트 시스템을 개발 하는 프로토콜. 고양이-FAS 충분 한 안정성 및 관리 효율성과 동시에 4 개의 기능 (두 모터 기능 [위와 더 낮은 사지], 자세 제어, 및 일상 생활의 기본 활동)를 평가할 수 있습니다.
Abstract
스트로크 (고양이-FAS)의 기능 평가의 전산화 적응 테스트 시스템 동시에 충분 한와 함께 4 개의 기능 (위와 더 낮은 사지, 자세 제어, 그리고 일상 생활의 기본 활동의 모터 기능)을 평가할 수 있습니다. 안정성 및 관리 효율성입니다. 고양이, 현대 측정 방법, 빠르게 기능의 수험생의 수준의 신뢰할 수 있는 예측을 제공 하는 것을 목표로. 고양이 관리 몇 가지 항목만 해당 항목 어려움 함수는 수험생의 수준과 일치 하 고, 따라서, 고양이의 관리 항목 안정적으로 짧은 시간에 기능의 수험생의 수준을 추정 하는 충분 한 정보를 제공할 수 있습니다. 고양이-FAS 4 단계를 통해 개발 되었다: (1) 결정 항목 은행, (2) 정지 규칙을 결정, (3) 고양이-FAS, 유효성 검사 및 (4) 온라인 관리 플랫폼을 구축. 이 연구의 결과 고양이-FAS 충분 한 관리 효율성을 나타냅니다 (항목의 평균 수 = 8.5) 및 신뢰성 (그룹 수준 Rasch 신뢰성: 0.88-0.93; 개인 수준 Rasch 신뢰성: 환자의 ≥70% 했다 Rasch 신뢰성 뇌졸중 환자에서 4 개의 기능을 동시에 평가 점수 0.90) 또한, 고양이-FAS 컴퓨터 기반 테스트 이므로 고양이-FAS 장점이 3 추가: 점수, 데이터의 즉각적인 스토리지 및 데이터의 쉬운 내보내기 자동 계산. 고양이-FAS의 이러한 장점은 임상의 학자 및 연구원에 대 한 데이터 관리에 도움이 됩니다.
Introduction
위와 더 낮은 사지 (UE와 르), 자세 제어, 그리고 일상 생활 (BADL)의 기본적인 활동의 장애는 뇌졸중1,2,3의 주요 sequelae. 뇌졸중 환자에서 이러한 4 개의 함수 평가 임상 장애의 환자 들 수준 평가, 치료 목표와 계획, 설정에 대 한 기본 이며 이러한 기능의 경도 궤적을 모니터링.
Fugl-메이어 평가 (FM),4 뇌졸중 환자 (패스),5 및6 Barthel 지 수 (BI) 자세 평가 규모 평가 UE/르 모터 기능, 자세 제어, BADL, 좋은 psychometric 속성을가지고 환자 뇌졸중7,,89에서 각각. 그러나,이 세 가지 측정에서 72 항목의 총 시간 제한 치료 세션 내에서 모든 3 측정 평가의 타당성을 방해 한다. 보다 효율적인 테스트 방법을 보증 된다. 컴퓨터 적응형 시험 (CAT) 현대 측정 방법입니다. 기존의 측정 방법과 비교해, 고양이 훨씬 적은 시간10,,1112에 기능의 수험생의 수준의 믿을 수 있는 견적을 제공 합니다. 기존의 측정 방법, 각 험 받는 동일한 테스트 양식 (또는 아이템 세트)는 많은 항목은 너무 어렵거나 너무 쉬운는 수 험 자에 대 한. 이러한 항목 기능의 수험생의 수준을 추정에 대 한 제한 된 정보를 제공 하며 시간이 수 험 자에 대 한. 반면, 고양이, 각 험 있는 선택된 된 항목의 난이도 수험생의 기능 수준을 충족 하는 맞춤형된 항목 설정을 가져옵니다. 때문에 이러한 항목은 해당 특정 수험생에 대 한 맞춤형, 고양이 적은 항목 및, 따라서, 훨씬 적은 시간에 더 신뢰할 수 있는 예상 함수의 수험생의 수준 제공할 수 있습니다. 고양이 개발의 단계에 표시 됩니다 보조 파일 1: 부록 1.
때문에 고양이 안정적이 고 효율적인 평가 약속, 고양이-FAS 3 조치 이전 사용 (FM, 패스, 그리고 BI)13의 관리 효율성을 개선 하기 위해 개발 되었다. 이 종이 개발 및 고양이-FAS의 관리에 설명합니다. 이 프로토콜 연구원은 그들의 고양이 개발 하 고 그것을 관리 하는 고양이-FAS의 잠재 사용자에 대 한 정보를 제공 합니다. 우리는 또한 고양이-FAS의 장단점을 해결합니다.
Subscription Required. Please recommend JoVE to your librarian.
Protocol
이 연구 프로토콜 로컬 기관 검토 위원회에 의해 승인 되었다 그리고 모든 환자 동의 했다.
1입니다. 고양이-FAS의 개발
- 보조 검색 및 FAS에서 암호화 된 데이터 시뮬레이션을14 공부 (보조 파일 1: 부록 2).
참고: 연구에서 총 301 환자 모집된 스터디에서 재활 병 동 의료 센터의 되었고 뇌졸중 발병 후 14 d에서 평가. 301 환자 중 262 환자 뇌졸중 발병 후 30 d에서 반복적으로 평가 됐다. 연구 (1) 뇌졸중, 뇌졸중의 (2) 첫 발병, 입원, 명령에 따라 수 (4) 및 (5) 능력을 개인적으로 또는 동의 주고 대리 전에 14 일 이내 뇌졸중의 발병 (3)의 진단이 있던 환자 모집. 다른 주요 질병을 가진 환자는 제외 했다. 각 평가 세션에서 환자는 잘 훈련 된 작업 치료사에 의해 FM, 패스, 및 비스무트 평가 했다 (보조 파일 1: 부록 3-5).- FAS의 항목 은행을 채택 하 여 고양이-FAS의 은행 을 설정 (보조 파일 1: 부록 2A).
참고: 항목 은행 Rasch 부분 신용 모델15,16 에 맞는 충분 한 항목 및 항목 어려움의 넓은 범위를 커버. 항목 은행 포함 58 항목 (보조 파일 1: 부록 3) FM-UE에서 선택 (26 항목), FM-르 (11 품목), 전달 (12 항목), 및 BI (9 항목). - FAS에서 항목 은행에 있는 모든 항목의 항목 어려움 공부 검색 (보조 파일 1: 부록 2A -어려움 항목).
참고: 각 항목 항목 은행에는 Rasch 부분적인 신용 모형에 의해 추정 되는 (즉, 항목 어려움), 항목의 어려움을 묘사 하기 위해 매개 변수 집합이 있습니다. 고양이-FAS 항목 어려움을 사용 하 여 (1) 함수 (1.3.3 단계)의 수험생의 수준에 맞게 조정 하는 어려움을 가진 항목을 선택 하 고 (2) 추정 기능 (1.3.5 단계)의 수험생의 수준. - FAS의 항목 은행의 항목에 각 환자의 응답 (예를 들어, 0, 1 또는 2 포인트)를 검색 (보조 파일 1: 부록 2B).
참고: 이전 연구14, FAS의 항목 은행의 모든 항목은 환자에 게 관리 되었다. 이 시뮬레이션 연구는 환자의 이러한 응답 검색 되었고 시뮬레이션된 응답 (환자 하지 고양이-FAS에 의해 관리 되었다) 고양이-FAS (1.3.4 단계)의 항목을 사용. - (즉, 점수의 표준 편차 [SD])의 4 가지 기능 (BADL, 자세 제어, 그리고 UE/르 모터 기능; 환자 능력 분포 검색 보조 파일 1: 부록 2 C).
참고: 4 개의 기능에 환자의 능력 항목 은행 평가의 최종 점수는 (보조 파일 1: 부록 2 C). 4 기능 점수 (및 점수의 SD) Rasch 부분 신용 모델, 각 항목 (1.1.3 단계)에 대 한 환자의 반응을 기반에 의해 이전 연구14 에 견적 된다. 이 연구 점수의 SD 검색 한 고양이-FAS (단계 1.3.6)의 신뢰성을 계산 하기 위해 사전 정보로 사용 합니다.
- FAS의 항목 은행을 채택 하 여 고양이-FAS의 은행 을 설정 (보조 파일 1: 부록 2A).
- 고양이-FAS의 운영 알고리즘을 결정 (보조 파일 1: 부록 7).
- 각 환자의 점수 뉴 톤 Raphson 반복17와 함께 4 개의 함수 추정을 위한 최대 귀납적 (지도) 방법을 채택 한다.
- D-최적 조건을 사용 하 여 항목 선택18에 대 한. 피셔 정보 행렬의 최대 결정으로 항목 관리에 대 한 항목 은행에서 선택 됩니다.
- 시뮬레이션을 통해 고양이-FAS의 속성을 탐험에 대 한 규칙을 막을 10 후보자 세트 채택 (보조 파일 1: 부록 8).
참고: 처음 다섯 후보 집합 "에 도달 하 고 제한 된 안정성 증가 (LRI) 기준" (즉,는 LRI < 0.001, 0.005 <, < 0.010, < 0.015, 또는 < 0.020). 다른 5 후보자 세트는 "도달 LRI 기준 또는 신뢰성의 임계값" (즉, Rasch 신뢰성 ≥ 0.90와 결합 하 여 상기 5 가지 LRI 기준). LRI 및 신뢰도의 임계값은 자주 입양 고양이13,17규칙을 중지 있습니다.
- 측정 신뢰성과 효율 (관리에 필요한 항목의 수)는 고양이-FAS를 통해 단계 1.3.1 1.3.11 시뮬레이션 (그림 1)의.
참고: 보조 파일 1: 부록 9 소프트웨어의 스크린샷을 보여 줍니다.- 규칙을 중지 하는 지정된 된 집합을 사용 하 여 (즉, 첫 번째에서 규칙에에서 있는 단계 1.2.3, 연속적으로 막을 마지막 후보 집합을) 고양이-FAS (그림 1A)의 속성을 탐구 하.
- 지정 된 환자에 대 한 4 가지 기능 (BADL, 자세 제어, UE 모터 기능 및 르 모터 기능)의 초기 고양이-FAS 점수를 0으로 설정 (즉, 처음부터 데이터에 마지막 환자를 연속적으로; 그림 1B,C).
- 적절히 관리 (그림 1D)는 은행에서 피셔 정보 행렬 (즉, D-최적 조건)의 최대 결정으로 항목을 선택 합니다.
참고: 각 항목의 정보 매트릭스는 4 개의 기능 및 항목의 어려움 (1.1.2 단계)에서 환자의 점수 기준으로 계산. 고양이-FAS 각 함수/도메인에 적어도 하나의 항목을 관리 하도록 고양이-FAS의 처음 네 개 항목은 4 개의 기능에서 선택 됩니다. - 1.1.3 (그림 1E) 단계에서 선택한 항목에 환자의 응답을 가져옵니다.
- 동시에 고양이-FAS 점수 (고 표준 오류 [세스] 점수) 뉴 톤 Raphson 반복 프로세스 (그림 1 층)와 지도 메서드를 사용 하 여 4 개의 함수 추정. 19 반복 뉴 톤 Raphson 과정 갱신 점수 및 각 반복에서 4 개의 함수 SEs 컨버전스의 기준이 충족 될 때까지. 컨버전스는 경우 두 개의 연속 된 반복 점수 차이 < 0.001.
- 관리 되는 항목의 수를 계산 하 고 저장 최신 갱신 고양이-FAS 점수 (SEs), 각 함수는 다음 수식을 사용 하 여 개인 수준 Rasch 신뢰성을 계산:
1-([SE 1.3.5 단계의2 ] / [SD2 단계 1.1.4의 점수]). - LRI는 마지막을 사용 하 여 갱신 개인 수준 Rasch 신뢰성 (단계 1.3.6) 계산 이전 추정 (그림 1G)의 마이너스.
- 확인 규칙을 중지의 지정 된 설정 (예를 들어, 첫 번째 후보 집합) 인지 만났다 (그림 1 H). 그렇지 않으면, 단계 1.3.3-1.3.8 중지 규칙의 지정 된 세트는 충족 될 때까지 반복. 그렇다면, 최신 갱신 고양이-FAS 점수 (고 SEs)로 최종 고양이-FAS 점수 (SEs)를 저장 합니다.
- 1.3.2을 1.3.8 모든 환자의 행정 때까지 단계 완료 (그림 1I) 반복.
- 중단 규칙의 특정 집합으로 고양이-FAS의 시뮬레이션을 완료 하 고 (그림 1J) 시뮬레이션의 결과 저장 합니다.
참고: 결과 및 포함 되어야 합니다 (1) 최종 고양이-FAS 점수 (SEs)의 4 가지 기능, (2) 고양이-FAS, (3) (즉, 개인 수준 Rasch 신뢰성) 각 환자의 Rasch 신뢰성을 완료 하는 데 필요한 항목의 수, 및 (4) 모든 환자의 평균 Rasch 신뢰성입니다. - 반복 단계 1.3.1 1.3.11 모든 후보 집합이 규칙 중지 될 때까지 규칙을 막을 다른 후보 집합 고양이-FAS의 속성을 탐구 하는 (그림 1 K)를 탐험.
- 적어도 세 가지 기능에서 0.90의 평균 Rasch 신뢰성 및 ≤10.0의 관리의 평균 항목 고양이 FAS에 대 한 규칙을 중지의 마지막 세트를 선택 합니다.
- 웹사이트를 설정 하는 컴퓨터 프로그램을 작성 하 여 고양이-FAS를 위한 온라인 관리 플랫폼 개발 (보조 파일 1: 부록 10).
2입니다. 고양이-FAS의 관리
- 인터넷 브라우저를 사용 하 여 고양이-FAS의 온라인 관리 플랫폼 (예를 들어, 개인용 컴퓨터, 정제, 또는 스마트폰) 심사 관의 전자 장치를 연결 합니다.
- 관리 시스템에 로그인 (보조 파일 1: 부록 11).
- 데이터 액세스 데이터 관리 를 클릭 하 여 이전 수험생에서 (보조 파일 1: 부록 12).
- 새로운 험 험의 이름 및 ID 번호를 입력 하 여 새로운 수 험 자에 대 한 가입을 클릭 합니다.
- 한 수 험 자 선택 하 고 시작 을 클릭 합니다 (보조 파일 1: 부록 13).
- 새로운 평가 를 새로운 평가 만들거나 클릭 험의 이전 평가의 결과 검토를 클릭 합니다.
- 험에 화면에 표시 된 항목 관리 (보조 파일 1: 부록 14).
- 화면 하단에 표시 된 평가 척도 클릭 하 여 수험생의 성능이 나 응답 속도 (보조 파일 1: 부록 14).
- 95% 간격, T-점수, 백분위 수 계급, 고양이-FAS의 4 개의 기능 reliabilities T-점수를 포함 하 여 수 험에 고양이-FAS의 결과 설명 합니다. 이 결과 계산 및 고양이-FAS에 의해 자동으로 표시 (보조 파일 1: 부록 15).
- 확인 을 클릭 하 고 데이터 관리 페이지로 돌아갑니다.
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
시뮬레이션의 결과 10 후보 집합 규칙을 막을 충분 한 평균 Rasch 신뢰성을 있었다는 것을 보여주었다 (0.86-0.95) 다양 한 관리 효율성 (항목의 평균 개수 = 6.4 17.5). 안정성과 관리 효율성의 집합 사이의 트레이드 오프를 고려 LRI < 0.010 의 충분 한 평균 Rasch 신뢰성 때문에 고양이-FAS에 대 한 규칙을 중지의 최적 집합으로 선정 되었다 (0.88-0.93, 표 1 참조 ), 개인 수준 Rasch 신뢰성 (환자의 ≥70 %0.90의 Rasch 신뢰성 했다), 그리고 관리 효율성 (항목의 평균 수 = 8.5, 표 2참조).
그림 1 : 고양이-FAS의 성능을 탐구의 과정 통해 시뮬레이션 분석. 이 그림에서는 측정 신뢰성 및 효율성 (관리에 필요한 항목의 수)의 프로세스를 보여 줍니다 중지 규칙 10 후보자 세트와 함께 고양이 FAS의. 이 그림의 더 큰 버전을 보려면 여기를 클릭 하십시오.
| 평균 | 환자의 신뢰성 ≥ 0.90% | |
| 고양이-FAS | ||
| UE 모터 기능 | 0.88 | 69.8 |
| 르 모터 기능 | 0.9 | 76.2 |
| 자세 제어 | 0.93 | 88.6 |
| BADL | 0.9 | 78.9 |
| 은행 (58 항목) | ||
| UE 모터 기능 | 0.9 | 69.4 |
| 르 모터 기능 | 0.92 | 77.4 |
| 자세 제어 | 0.96 | 96 |
| BADL | 0.94 | 93.4 |
| UE: 상부 말단; 르: 더 낮은 말단; BADL: 일상 생활의 기본 활동 | ||
표 1: 고양이-FAS의 Rasch 신뢰성. 고양이-FAS, 0.93, 0.88에서 배열 했다 4 개의 함수 평균 Rasch 신뢰성 및 개인 수준 Rasch 신뢰성 0.90의 Rasch 신뢰성과 참가자의 ≥70 %를 보여줍니다.
| 평균 | 범위 | 5-10 개 항목을 사용 하 여 환자의 % | 사용 하 여 환자의 % | |
| > 10 개 | ||||
| 고양이-FAS | 8.5 | ~ 4-13 | 66.4 | 19.5 |
표 2: 고양이-FAS의 효율성 (항목 수). 관리에 필요한 항목의 평균 수는 8.5. 대부분 참가자 (66.4%)는 5-10 개 항목을 사용 하 여 평가 됐다.
보조 파일 1. 이 파일을 다운로드 하려면 여기를 클릭 하십시오.
Subscription Required. Please recommend JoVE to your librarian.
Discussion
여기에 제시 된 결과 고양이-FAS 원래 테스트에서 항목의 약 10%를 관리 했다 (고양이-FAS에서 사용할 항목의 평균 수: 8.5 대 원래 테스트 항목: 72 품목). 이러한 연구 결과 고양이-FAS 좋은 관리 효율성을 나타냅니다. 결과 이전의 연구는 고양이 약 10 항목 관리 보고 라인 했다이 사회적 기능, 균형, 또는 뇌졸중10,,1120환자에서 일상 생활의 활동을 평가 하기 위해. 고양이-FAS, 좋은 관리 효율성을 갖는 환자와 임상에 대 한 시간과 부담을 줄이기 위해 큰 잠재력이 있다.
고양이-FAS의 평균 Rasch 신뢰성 0.88-0.93, 그리고 환자의 70 %0.90의 Rasch 신뢰성 보다 더 했다. 이러한 결과 뇌졸중 환자에서 고양이 FAS의 좋은 Rasch 신뢰성 공개. 고양이-FAS의 좋은 Rasch 신뢰성 두 가지 요인 관찰 작용 수: 사운드 항목 은행과 multidimensionality의 기능. 첫째, 고양이-FAS의 항목 은행14각 도메인 대 한 기능 수준의 넓은 범위를 커버 58 항목이 포함 됩니다. 충분 한 항목 적용 항목 은행의 충분 한 정보를 안정적으로 예측 기능의 수험생의 수준을 제공할 수 있습니다. 둘째, 고양이-FAS는 다차원 고양이 (즉, 고양이-FAS의 4 개의 도메인), 도메인에 환자의 항목 응답 이용 될 수 있는 환자의 능력을 동시에 추정 하 (점수)의 상관 관계를 고려 하 여 모든 4 개의 도메인 모든 도메인 중. 이 기능은 다차원 고양이의 다차원 고양이21,22개발에 대 한 이전 연구에서 Rasch 신뢰성을 개선 하기 위해 입증 되었습니다. 고양이-FAS 좋은 Rasch 신뢰도와 정확 하 게 제한 된 임의의 측정 오차와 4 개의 기능 (UE/르 모터 기능, 자세 제어, 및 BADL)의 환자 레벨 보정을 사용할 수 있습니다.
또한, 고양이-FAS 컴퓨터 기반 테스트 이므로 고양이-FAS 장점이 3 추가: 점수, 데이터의 즉각적인 스토리지 및 데이터의 쉬운 내보내기 자동 계산. 점수 자동 계산 심사 관의 시간을 절약 하 고 득점에 실수를 줄일 수 있습니다. 데이터의 즉시 저장 4 개의 기능에는 수험생의 경도 변화를 모니터링의 효율성을 향상 시킵니다. 데이터의 쉬운 내보내기 전자 의료 기록 처리 사이/내 임상 및 환자 관리 결과 공유 하 고 연구에 대 한 데이터 분석의 효율성을 향상 시킵니다. 고양이-FAS의 이러한 장점은 임상의 학자 및 연구원에 대 한 데이터 관리의 전반적인 효율성을 향상 시킵니다.
여기에 제시 된 결과 중지 규칙의 다른 세트와 함께 고양이-FAS, 관리 효율성 및 신뢰성에 다른 공연 했다 밝혔다. 일반적으로, 트레이드 오프 관계 관리 효율성과 신뢰도 사이 발견 됐다. 예를 들어 집합 LRI < 0.001 는 높은 신뢰성과 낮은 관리 효율성 Rasch 신뢰성 ≥ 0.90 의 세트에 비해 했다 또는 LRI < 0.020. 세트 LRI < 0.010 그래서 그것은 고양이-FAS에 대 한 규칙을 중지의 최종 집합으로 선정 되었다 충분 한 관리 효율성과 충분 한 안정성을 했다. 미래의 사용자가 필요한 경우 더 높은 관리 효율성 또는 신뢰성 고양이 FAS, 그들은 고양이-FAS를 관리 하기 위한 규칙을 멈추기의 또 다른 세트를 선택할 수 있습니다.
고양이-FAS의 처음 네 개 항목은 각 4 개의 도메인 내에서 선정 됐다. 이 디자인은 다차원 고양이에서 발생할 수 있는 예상치 못한 상황을 방지할 수 있습니다. 예기치 않은 상황은 해당 도메인에서 모든 항목을 관리 하지 않고 다차원 고양이의 도메인의 점수를 예상할 수 있습니다. 다차원 고양이 항목 없이 도메인의 점수를 추정 도메인 중 (1) 다른 도메인 및 (2) 상관 관계의 점수를 사용할 수 있습니다 때문에 발생 하는 예기치 않은 상황15관리 되 고. 대조적으로, 각 도메인에서 하나 이상의 항목은 처음 네 개 항목 약속의 고양이-FAS의 항목 선택 규칙 관리 된다. 따라서, 고양이-FAS 추정 환자 4 기능 더 대표적인 정보를 제공할 수 있습니다.
고양이-FAS의 3 개 제한 것으로 나타났습니다. 첫째, 훈련 시간 관리에 대 한 잠재 사용자 지침 및 평가 기준 뿐만 아니라 58 항목 항목 은행에 친숙 하기 때문에 긴 수 있습니다. 둘째, 고양이-FAS의 4 개의 도메인을 별도로 관리할 수 없습니다. 셋째, 여기에 제시 된 결과 뇌졸중 환자에서 고양이 FAS의 실제 행정 대신 시뮬레이션 연구에서 했다. 따라서, 결과 실제 관리의 약간 다른 수 있습니다. 고양이-FAS의 필드 테스트는 나중에 보증 됩니다.
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
저자는 공개 없다.
Acknowledgments
이 연구는 과학과 기술에서 연구 보조금에 의해 지원 되었다 (105-2314-B-002-015-MY3).
Materials
| Name | Company | Catalog Number | Comments |
| Computer | Any | Compatible with software listed below | |
| MATLAB software | The MathWorks Inc. | http://www.mathworks.com/products/matlab/ | Numerical computing software, which is used in the Protocol Section 1 (Step 1.3) |
| Java Development Kit | Oracle | https://www.oracle.com/java/ | Programming language, which is used in the Protocol Section 1 (Step 1.5) |
References
- Kim, S. S., Lee, H. J., You, Y. Y. Effects of ankle strengthening exercises combined with motor imagery training on the timed up and go test score and weight bearing ratio in stroke patients. Journal of Physical Therapy Science. 27 (7), 2303-2305 (2015).
- Langhorne, P., Coupar, F., Pollock, A. Motor recovery after stroke: A systematic review. Lancet Neurology. 8 (8), 741-754 (2009).
- Lum, P. S., Burgar, C. G., Shor, P. C., Majmundar, M., Van der Loos, M. Robot-assisted movement training compared with conventional therapy techniques for the rehabilitation of upper-limb motor function after stroke. Archives of Physical Medicine and Rehabilitation. 83 (7), 952-959 (2002).
- Fugl-Meyer, A. R., Jaasko, L., Leyman, I., Olsson, S., Steglind, S. The post-stroke hemiplegic patient 1: A method for evaluation of physical performance. Scandinavian Journal of Rehabilitation Medicine. 7 (1), 13-31 (1975).
- Benaim, C., Perennou, D. A., Villy, J., Rousseaux, M., Pelissier, J. Y. Validation of a standardized assessment of postural control in stroke patients: The Postural Assessment Scale for Stroke Patients (PASS). Stroke. 30 (9), 1862-1868 (1999).
- Mahoney, F. I., Barthel, D. W. Functional Evaluation: The Barthel Index. Maryland State Medical Journal. 14, 61-65 (1965).
- Duffy, L., Gajree, S., Langhorne, P., Stott, D. J., Quinn, T. J. Reliability (inter-rater agreement) of the Barthel Index for assessment of stroke survivors: Systematic review and meta-analysis. Stroke. 44 (2), 462-468 (2013).
- Lin, J. H., Hsueh, I. P., Sheu, C. F., Hsieh, C. L. Psychometric properties of the sensory scale of the Fugl-Meyer Assessment in stroke patients. Clinical Rehabilitation. 18 (4), 391-397 (2004).
- Mao, H. F., Hsueh, I. P., Tang, P. F., Sheu, C. F., Hsieh, C. L. Analysis and comparison of the psychometric properties of three balance measures for stroke patients. Stroke. 33 (4), 1022-1027 (2002).
- Hsueh, I. P., et al. Development of a computerized adaptive test for assessing balance function in patients with stroke. Physical Therapy. 90 (9), 1336-1344 (2010).
- Hsueh, I. P., Chen, J. H., Wang, C. H., Hou, W. H., Hsieh, C. L. Development of a computerized adaptive test for assessing activities of daily living in outpatients with stroke. Physical Therapy. 93 (5), 681-693 (2013).
- Wong, A. W., Heinemann, A. W., Miskovic, A., Semik, P., Snyder, T. M. Feasibility of computerized adaptive testing for collection of patient-reported outcomes after inpatient rehabilitation. Archives of Physical Medicine and Rehabilitation. 95 (5), 882-891 (2014).
- Lin, G. H., Huang, Y. J., Lee, S. C., Huang, S. L., Hsieh, C. L. Development of a computerized adaptive testing system of the Functional Assessment of Stroke. Archives of Physical Medicine and Rehabilitation. 99 (4), 676-683 (2017).
- Wang, Y. L., Lin, G. H., Yi-Jing, H., Chen, M. H., Hsieh, C. L. Refining three measures to construct an efficient Functional Assessment of Stroke. Stroke. 48 (6), 1630-1635 (2017).
- Adams, R. J., Wilson, M., Wang, W. C. The multidimensional random coefficients multinomial logit model. Applied Psychological Measurement. 21 (1), 1-23 (1997).
- Masters, G. N. A Rasch model for partial credit scoring. Psychometrika. 47 (2), 149-174 (1982).
- Wang, W. C., Chen, P. H. Implementation and measurement efficiency of multidimensional computerized adaptive testing. Applied Psychological Measurement. 28 (5), 295-316 (2004).
- Mulder, J., Van der Linden, W. J. Multidimensional adaptive testing with optimal design criteria for item selection. Psychometrika. 74 (2), 273-296 (2009).
- Segall, D. O. General ability measurement: An application of multidimensional item response theory. Psychometrika. 66 (1), 79-97 (2001).
- Lee, S. C., et al. Development of a social functioning assessment using computerized adaptive testing for patients with stroke. Archives of Physical Medicine and Rehabilitation. 99 (2), 306-313 (2018).
- Paap, M. C. S., et al. Measuring patient-reported outcomes adaptively: Multidimensionality matters! Applied Psychological Measurement. 42 (5), 327-342 (2018).
- Paap, M. C. S., Kroeze, K. A., Terwee, C. B., van der Palen, J., Veldkamp, B. P. Item usage in a multidimensional computerized adaptive test (MCAT) measuring health-related quality of life. Quality of Life Research. 26 (11), 2909-2918 (2017).
