Summary
Aquí, presentamos un protocolo para desarrollar el sistema prueba adaptante automatizado de la evaluación funcional de movimiento (CAT-FAS). El gato-FAS pueden evaluar simultáneamente cuatro funciones (dos funciones motoras [extremidades superiores e inferiores], control postural y actividades básicas de la vida diaria) con suficiente fiabilidad y eficiencia administrativa.
Abstract
El sistema computarizado de prueba adaptante de la evaluación funcional de movimiento (CAT-FAS) puede evaluar simultáneamente cuatro funciones (funciones motoras de las extremidades superiores e inferiores, control postural y actividades básicas de la vida diaria) con suficiente confiabilidad y eficiencia administrativa. GATO, un método de medición moderna, tiene como objetivo proporcionar una estimación confiable del nivel de la candidata de función rápidamente. GATO administra sólo unos pocos artículos cuyas dificultades artículo coincida con el del nivel de funcionamiento de un examinando y, así, los objetos administrados de gato pueden proporcionar datos suficientes para estimar confiablemente nivel del examinando de función en corto tiempo. El gato-FAS fue desarrollado a través de cuatro pasos: (1) determinar el punto banco (2) determinar las reglas de parada, (3) validación de las CAT-FAS y (4) establecimiento de una plataforma de administración en línea. Los resultados de este estudio indican que el gato-FAS tiene suficiente eficacia administrativa (número promedio de artículos = 8.5) y fiabilidad (nivel de grupo Rasch fiabilidad: 0.88 - 0.93; nivel individual Rasch fiabilidad: ≥70% de pacientes tenían confiabilidad de Rasch puntuación ≥0. 90) para evaluar simultáneamente cuatro funciones en pacientes con accidente cerebrovascular. Además, porque el gato-FAS es un examen basado en computadora, el gato-FAS tiene tres ventajas adicionales: el cálculo automático de puntajes, el almacenamiento inmediato de los datos y la exportación fácil de datos. Estas ventajas de las CAT-FAS será beneficiosas para la administración de datos para los clínicos e investigadores.
Introduction
Trastornos de las extremidades superiores e inferiores (UE y LE), control postural y actividades básicas de la vida diaria (BADL) son secuelas importantes de ictus1,2,3. La evaluación de estas cuatro funciones en pacientes con ictus es fundamental para los médicos a evaluar niveles de pacientes de disfunciones, planes y metas de tratamiento y seguimiento de las trayectorias longitudinales de estas funciones.
La evaluación de Fugl-Meyer (FM),4 la escala de evaluación Postural para accidente cerebrovascular pacientes (PASS),5 y el índice de Barthel (BI)6 tienen buenas propiedades psicométricas para evaluar la motricidad UE/LE, control postural y BADL, respectivamente, en pacientes con accidente cerebrovascular7,8,9. Sin embargo, el total de 72 elementos de estas tres medidas impide la viabilidad de evaluar las tres medidas dentro de una sesión terapéutica de tiempo limitado. Se autoriza un método de prueba más eficiente. Prueba adaptante automatizada (CAT) es un método de medición moderno. Comparado con métodos de medición convencionales, CAT proporciona una estimación más fiable del nivel de la candidata de la función en mucho menos tiempo10,11,12. En métodos de medición convencionales, cada examinando recibe el mismo formulario de prueba (o artículo establece), en el que muchos artículos son demasiado difícil o demasiado fácil para el examinando. Estos artículos proporcionan información limitada para la estimación del nivel de funcionamiento del examinando y son mucho tiempo para los examinados. En cambio, en gato, cada candidata obtiene un set de objetos a medida, en el que el nivel de dificultad de los elementos seleccionados cumple con el nivel de función de la candidata. Porque estos elementos son a medida para ese sujeto particular, gato puede proporcionar una estimación más confiable de nivel del examinando de función con menos artículos y, por tanto, en mucho menos tiempo. Se muestran los pasos de desarrollo de gato en 1 archivo complementario: Anexo 1.
Porque gato promete evaluaciones confiables y eficientes, las FAS CAT fue desarrollado para mejorar la eficiencia administrativa de las tres medidas utilizadas anteriormente (FM, PASS y BI)13. Este papel describe el desarrollo y la administración del gato-FAS. Este protocolo proporciona información a los investigadores a desarrollar sus gatos y para los usuarios potenciales de las CAT-FAS que la administre. También nos dirigimos a las fortalezas y debilidades de las CAT-FAS.
Subscription Required. Please recommend JoVE to your librarian.
Protocol
Este protocolo de estudio fue aprobado por una Junta de revisión institucional local, y todos los pacientes dieron consentimiento informado.
1. desarrollo de las CAT-FAS
- Recuperar la secundaria y estudian de datos cifrados de las FAS14 para llevar a cabo simulaciones (1 archivo complementario: Anexo 2).
Nota: En el estudio, un total de 301 pacientes fueron reclutados desde un pabellón de rehabilitación de un centro médico y evaluó a 14 d después del inicio del movimiento. Entre los 301 pacientes 262 pacientes repetidamente se evaluaron a 30 d después del inicio del movimiento. El estudio reclutó pacientes que tenían (1) un diagnóstico de accidente cerebrovascular, (2) primer inicio de movimiento, (3) aparición de accidente cerebrovascular dentro de 14 días antes de la hospitalización, (4) la capacidad de seguir órdenes y (5) la capacidad de dar consentimiento informado personalmente o por poder. Se excluyeron los pacientes que tenían otras enfermedades importantes. En cada sesión de evaluación, se evaluaron pacientes con la FM, el paso y la BI por un terapeuta ocupacional calificado (archivo complementario 1: anexos 3-5).- Establecer el artículo Banco de gato-FAS adoptando el Banco producto de las FAS (1 archivo complementario: Anexo 2A).
Nota: El elemento Banco tiene suficiente ajuste de Rasch parcial de crédito modelo15,16 y cubre una amplia gama de dificultades del tema. El Banco artículo contiene 58 artículos (archivo complementario 1: Apéndice 3) seleccionados de la FM-UE (26 artículos), FM-LE (11 artículos), pasar (12 ítems) y BI (nueve items). - Recuperar el estudio de las dificultades del tema de todos los elementos en el Banco de item de las FAS (1 archivo complementario: Anexo 2A -dificultad del artículo).
Nota: Cada elemento en el Banco de elemento tiene un conjunto de parámetros para describir la dificultad del tema (es decir, las dificultades del tema), que se calcula por el modelo de crédito parcial de Rasch. El gato-FAS utiliza las dificultades del tema (1) seleccionar elementos con dificultades adaptadas nivel de la candidata de la función (paso 1.3.3) y (2) estimación del nivel de funcionamiento (paso 1.3.5) del examinando. - Recuperar las respuestas de cada paciente (p. ej., 0, 1 o 2 puntos) a los elementos del Banco objeto de las FAS (1 archivo complementario: Anexo 2B).
Nota: En anteriores estudios14, todos los elementos del artículo Banco del FAS fueron administrados a los pacientes. En este estudio de simulación, estas respuestas de los pacientes han obtenido y utilizado como las respuestas simuladas (pacientes no fueron administrados por el gato-FAS) a los artículos de las CAT-FAS (paso 1.3.4). - Recuperar la distribución de la capacidad (es decir, la desviación estándar [SD] de los resultados) de los pacientes en las cuatro funciones (BADL, control postural y motricidad UE/LE; Archivo complementario 1: Anexo 2 C).
Nota: Las capacidades de los pacientes en las cuatro funciones son las puntuaciones finales de la evaluación del Banco artículo (1 archivo complementario: Anexo 2C). La puntuaciones y SD de las puntuaciones de las cuatro funciones se calcula en un anterior estudio14 por el modelo de crédito parcial de Rasch, basado en las respuestas de los pacientes a cada elemento (paso 1.1.3). En este estudio, el SD de las puntuaciones es obtenido y utilizado como información previa para calcular la fiabilidad de las CAT-FAS (paso 1.3.6).
- Establecer el artículo Banco de gato-FAS adoptando el Banco producto de las FAS (1 archivo complementario: Anexo 2A).
- Determinar los algoritmos operacionales de las CAT-FAS (1 archivo complementario: Anexo 7).
- Adoptar el método máximo a posteriori (mapa) para la estimación de puntuaciones de cada paciente de las cuatro funciones de iteración de Newton-Raphson17.
- Utilizar el criterio de optimalidad de D para la selección de artículo18. Se selecciona un elemento con el máximo factor determinante de la matriz de información de Fisher del Banco artículo para administración.
- Adoptar 10 sets de candidato de detener reglas para explorar las propiedades de la CAT-FAS a través de simulación (1 archivo complementario: Anexo 8).
Nota: Los cinco primeros candidatos conjuntos están "llegando a criterio de aumento (LRI) fiabilidad limitada" (es decir, un LRI < 0.001, < 0.005, < 0.010, < 0.015 o < 0.020). Los otros cinco candidatos conjuntos están "llegando a criterio LRI o umbral de confiabilidad" (es decir, una Rasch fiabilidad ≥ 0,90, emparejados con los cinco criterios antes mencionados de LRI). El LRI y el umbral de confiabilidad se adoptan con frecuencia dejar reglas de gatos13,17.
- Explorar la fiabilidad de la medición y la eficiencia (número de elementos necesarios para la administración) de las CAT-FAS mediante pasos 1.3.1 a 1.3.11 de la simulación (figura 1).
Nota: 1 archivo complementario: Anexo 9 muestra la captura de pantalla del software.- Utilice un conjunto específico de detener las reglas (es decir, desde los primeros a los últimos conjuntos de candidato de detener las reglas que están en paso 1.2.3, sucesivamente) a explorar las propiedades de las CAT-FAS (figura 1A).
- Las puntuaciones de gato-FAS iniciales de las cuatro funciones (BADL, control postural, función motora de la UE y función motora LE) se establece en 0 para los pacientes especificados (es decir, desde el primer al último paciente en los datos, sucesivamente; Figura 1B,C).
- Adaptativa, seleccione un elemento con el máximo factor determinante de la matriz de información de Fisher (es decir, el criterio de optimalidad D) del Banco artículo para administración (figura 1).
Nota: La matriz de información de cada elemento se calcula basándose en los resultados de un paciente de las cuatro funciones y dificultad del elemento (de paso 1.1.2). Para asegurarse de que el gato-FAS administra al menos un elemento en cada dominio de la función, los cuatro primeros elementos de las FAS de gato son seleccionados de las cuatro funciones. - Obtener la respuesta del paciente al elemento seleccionado en el paso 1.1.3 (Figura 1E).
- Al mismo tiempo estimar el gato-FAS partituras y errores estándar [SEs] de las puntuaciones de las cuatro funciones utilizando el método del mapa con un proceso iterativo de Newton-Raphson (Figura 1F). 19 durante el proceso iterativo de Newton-Raphson, renovar los puntajes y SEs de las cuatro funciones en cada iteración hasta que se cumple el criterio de convergencia. Convergencia se produce cuando las diferencias en las puntuaciones entre dos iteraciones consecutivas son < 0.001.
- Contar el número de elementos que se administran, guardar los resultados de CAT-FAS último renovado (y SEs) y calcular la fiabilidad de Rasch de nivel individual de cada función mediante la fórmula siguiente:
1 - (SE2 de paso 1.3.5 / [SD2 de las puntuaciones de paso 1.1.4]). - Calcular el LRI utiliza el último renovado Rasch fiabilidad a nivel de individuo (paso 1.3.6) menos que la estimación anterior (figura 1).
- Compruebe si el conjunto especificado (por ejemplo, el primer grupo de candidatos) de detener las reglas se cumple (figura 1 H). Si no, repita los pasos 1.3.3 - 1.3.8 hasta que se cumple el conjunto especificado de detener las reglas. Si es así, salvar el último renovado gato-FAS partituras (y SEs) como las puntuaciones finales CAT-FAS (SEs).
- Repita los pasos 1.3.2 a 1.3.8 hasta las administraciones de todos los pacientes completen (figura 1I).
- Terminar la simulación de las CAT-FAS con el conjunto específico de detener las reglas y guardar los resultados de la simulación (Figura 1J).
Nota: Los resultados deben incluir (1) la final CAT-FAS partituras y SEs de las cuatro funciones, (2) el número de elementos necesarios para completar el gato-FAS, (3) la fiabilidad de Rasch de cada paciente (es decir, Rasch fiabilidad a nivel de individuo) y (4) promedio de Rasch fiabilidad de todos los pacientes. - Repita los pasos 1.3.1 a 1.3.11 para explorar las propiedades de las FAS de gato con otros conjuntos de candidato de detener las reglas hasta que todos los conjuntos de candidato de detener las reglas son exploraron (figura 1 K).
- Seleccione el conjunto final de reglas de parada para los FAS de gato según la fiabilidad media de Rasch de ≥0. 90 en al menos tres funciones y los elementos media de administración de ≤10. 0.
- Desarrollar una plataforma de administración en línea para el gato-FAS por escrito un programa de computadora para establecer un sitio web (1 archivo complementario: Anexo 10).
2. administración del gato-FAS
- Conecte el dispositivo electrónico del examinador (por ejemplo, ordenador, tablet o smartphone) a la plataforma de administración en línea de las FAS de gato usando un navegador de internet.
- Inicie sesión el sistema de administración (1 archivo complementario: Anexo 11).
- Haga clic en Administración de datos para acceso a los datos de anteriores examinados (1 archivo complementario: Anexo 12).
- Haga clic en nueva candidata para crear una cuenta para un nuevo sujeto ingresando nombre y número de identificación del examinando.
- Seleccione un examinado y haga clic en Inicio (1 archivo complementario: Anexo 13).
- Haga clic en nueva evaluación para crear una nueva evaluación o haga clic en resultados para revisar los resultados de evaluaciones anteriores del examinando.
- Administrar los artículos mostrados en la pantalla para el examinando (1 archivo complementario: Anexo 14).
- Tasa de rendimiento o respuestas de la candidata haciendo clic en la escala de clasificación se muestra en la parte inferior de la pantalla (1 archivo complementario: Anexo 14).
- Explicar los resultados del gato-FAS para el examinado, incluyendo las puntuaciones T con un intervalo de 95%, los rangos percentiles de las puntuaciones T y la fiabilidad de las cuatro funciones de las CAT-FAS. Estos resultados se calculan y muestran automáticamente por el gato-FAS (1 archivo complementario: Anexo 15).
- Haga clic en Aceptar y volver a la página de gestión de datos .
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
Los resultados de la simulación demostraron que los conjuntos de 10 candidatos de detener las reglas tenían suficiente fiabilidad media de Rasch (0.86 - 0.95) y eficiencia administrativa (el número promedio de elementos = 17.5 6.4). Teniendo en cuenta el equilibrio entre fiabilidad y eficiencia administrativa, el conjunto de LRI < 0.010 fue seleccionado como el conjunto óptimo de reglas de parada para el gato-FAS debido a su confiabilidad promedio suficiente de Rasch (0.88 - 0.93, ver tabla 1 ), Rasch fiabilidad a nivel de individuo (≥70% de los pacientes tenía una fiabilidad de Rasch de ≥0. 90) y eficiencia administrativa (el número promedio de elementos = 8.5, ver tabla 2).
Figura 1 : Proceso de explorar el desempeño de las CAT-FAS a través de análisis de simulación. Esta figura muestra el proceso de exploración de la fiabilidad de la medición y la eficiencia (número de elementos necesarios para la administración) de las CAT-FAS con 10 sistemas de candidato de detener las reglas. Haga clic aquí para ver una versión más grande de esta figura.
| Promedio | % de los pacientes con fiabilidad ≥ 0,90 | |
| GATO-FAS | ||
| Función motora de la UE | 0.88 | 69.8 |
| Función motora LE | 0,9 | 76.2 |
| Control postural | 0,93 | 88.6 |
| BADL | 0,9 | 78,9 |
| Punto banco (58 artículos) | ||
| Función motora de la UE | 0,9 | 69,4 |
| Función motora LE | 0,92 | 77,4 |
| Control postural | 0.96 | 96 |
| BADL | 0.94 | 93,4 |
| UE: de la extremidad superior; LE: extremidad inferior; BADL: actividades básicas de la vida diaria | ||
Tabla 1: fiabilidad de Rasch de las FAS gato. Para el gato-FAS, la fiabilidad media de Rasch de las cuatro funciones osciló entre 0,88 y 0,93, y la fiabilidad de Rasch nivel individual muestra ≥70% de los participantes con una fiabilidad de Rasch de ≥0. 90.
| Promedio | Rango | % de los pacientes con 5 a 10 artículos | % de los pacientes con | |
| > 10 elementos | ||||
| GATO-FAS | 8.5 | ~ el 4-13 | 66.4 | 19.5 |
Tabla 2: eficacia (número de elementos) de las FAS gato. El número promedio de artículos necesarios para la administración es 8.5. Mayoría de los participantes (66,4%) fueron evaluada utilizando elementos de 5-10.
Archivo complementario 1. Haga clic aquí para descargar este archivo.
Subscription Required. Please recommend JoVE to your librarian.
Discussion
Los resultados presentados demostraron que el gato-FAS administraron cerca de 10% de los ítems de las pruebas originales (el número promedio de artículos usados en el gato-FAS: 8.5 artículos contra las pruebas originales: 72 artículos). Estos resultados indican que el gato-FAS tiene buena eficacia administrativa. Los resultados están en consonancia con estudios anteriores, que informaron de que un gato administrado solamente cerca de 10 artículos o menos para evaluar función social, equilibrio o actividades de la vida diaria en pacientes con accidente cerebrovascular10,11,20. El gato-FAS, tener buena eficiencia administrativa, tiene un gran potencial para reducir el tiempo y la carga para los pacientes y los clínicos.
La fiabilidad media de Rasch de gato-FAS fue 0,88 - 0.93 y más de 70% de los pacientes tuvo una confiabilidad de Rasch de ≥0. 90. Estos resultados revelan una buena confiabilidad de Rasch de las FAS de gato en pacientes con accidente cerebrovascular. La buena confiabilidad de Rasch de las CAT-FAS se puede atribuir a dos factores: un banco de elemento de sonido y la característica de multidimensionalidad. En primer lugar, el Banco de item de las CAT-FAS contiene 58 artículos que cubren una amplia gama de nivel funcional para cada dominio14. La suficiente cobertura de artículo del artículo banco puede proporcionar datos suficientes para estimar con fiabilidad del nivel de funcionamiento del examinando. En segundo lugar, las FAS CAT es un gato multidimensional (es decir, cuatro dominios de las FAS de gato), en que respuesta de artículo de un paciente en cualquier dominio puede ser utilizada estimar simultáneamente las capacidades del paciente (puntuaciones) de todos los dominios de cuatro teniendo en cuenta las correlaciones entre todos los dominios. Esta característica de un gato multidimensional ha demostrado para mejorar la fiabilidad de Rasch en estudios anteriores en el desarrollo multidimensional gatos21,22. El gato-FAS con buena confiabilidad de Rasch pueden utilizarse para calibrar exactamente los niveles de los pacientes de las cuatro funciones (UE/LE función de motor, control postural y BADL) con error de medida aleatorio limitado.
Además, porque el gato-FAS es un examen basado en computadora, el gato-FAS tiene tres ventajas adicionales: un cálculo automático de resultados, un almacenamiento inmediato de los datos y la fácil exportación de los datos. El cálculo automático de puntajes ahorra tiempo de examinadores y reduce errores en la puntuación. Almacenamiento inmediato de datos mejora la eficacia de monitorear los cambios longitudinales de un examinado en las cuatro funciones. La exportación fácil de datos mejora la eficiencia de procesamiento de registros médicos electrónicos, compartir resultados de administración entre/dentro de los médicos y pacientes y análisis de datos para la investigación. Estas ventajas de las CAT-FAS mejoran la eficiencia global de gestión de datos para los clínicos y los investigadores.
Los resultados aquí presentados revelaron que el gato-FAS, con diferentes conjuntos de reglas, de detener diferentes actuaciones en eficiencia administrativa y la fiabilidad. En general, se encontró una relación de equilibrio entre fiabilidad y eficiencia administrativa. Por ejemplo, el conjunto de LRI < 0.001 tenía una mayor confiabilidad y eficiencia administrativa más baja en comparación con el conjunto de Rasch fiabilidad ≥ 0.90 o LRI < 0.020. El conjunto de LRI < 0.010 tenía suficiente eficiencia administrativa y fiabilidad suficiente, así que fue seleccionado como el conjunto final de reglas de parada para el gato-FAS. Si los usuarios potenciales necesitan el gato-FAS para tener una mayor eficiencia administrativa o fiabilidad, puede seleccionar otro conjunto de reglas para la administración del gato-FAS de detener.
Los cuatro primeros elementos de las FAS de gato fueron seleccionados dentro de cada uno de los cuatro dominios. Este diseño puede prevenir una situación que puede ocurrir en un gato multidimensional. La situación es que la puntuación de un dominio de un gato multidimensional podría estimarse sin administración de objetos de ese dominio. La situación se produce porque un gato multidimensional puede utilizar (1) las puntuaciones de los otros dominios y (2) las correlaciones entre dominios para estimar las puntuaciones del dominio sin objetos se administra15. Por el contrario, la regla de selección de elemento de gato-FAS de las promesas de los cuatro primeros elementos que al menos un artículo de cada dominio es administrada. Así, el gato-FAS pueden proporcionar información más representativa para estimar funciones de cuatro pacientes.
Se notan tres limitaciones de las CAT-FAS. En primer lugar, la formación para la administración puede ser largo porque los usuarios potenciales tienen que familiarizarse con los 58 artículos en el Banco del artículo, así como con las instrucciones y criterios de calificación. En segundo lugar, los cuatro dominios de las FAS de gato no pueden ser administrados por separado. En tercer lugar, los resultados presentados aquí provienen de un estudio simulado en vez de reales administraciones de las FAS de gato en pacientes con accidente cerebrovascular. Por lo tanto, los resultados pueden ser algo diferentes de los de una administración real. Pruebas de campo de las CAT-FAS están garantizadas en el futuro.
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
Los autores no tienen nada que revelar.
Acknowledgments
Este estudio fue apoyado por becas de investigación del Ministerio de ciencia y tecnología (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).
