MétaCan
Menu
Retour à la cohorte
Enregistrement W1970665107 · doi:10.1097/01.npt.0000282244.31158.40

Animal Models for Studying Potential Training Strategies in Persons with Spinal Cord Injury

2005· article· en· W1970665107 sur OpenAlexaff
Laurent J. Bouyer

Notice bibliographique

RevueJournal of Neurologic Physical Therapy · 2005
Typearticle
Langueen
DomaineMedicine
ThématiqueSpinal Cord Injury Research
Établissements canadiensCentre for Interdisciplinary Research in Rehabilitation
Organismes subventionnairesnon disponible
Mots-clésSpinal cordSpinal cord injuryMedicinePhysical medicine and rehabilitationRehabilitationAnimal modelLesionTreadmillNeurosciencePsychologyPhysical therapySurgery

Résumé

récupéré en direct d'OpenAlex

In the late 1980s, it was clearly demonstrated that adult spinal cats can be re-trained to walk after a complete spinal cord transection, using treadmill training. This has led to profound changes in the rehabilitation of persons with spinal cord injury. The use of animal models to study training-induced locomotor plasticity after spinal cord injury has expanded since this original demonstration. The goal of the present review is to summarize findings obtained with these animal models that may be of relevance to the re-training of humans with spinal cord injury. From the complete spinal cord transection models, adaptive capacity, retention of training, task-specificity, role of cutaneous inputs, effect of training with robotic devices, and spinal cord stimulation will be discussed. From the partial spinal lesion models, the effect of ventral or dorsal lesions of the cord will be presented. Finally, the effects of drugs on training will be compared between the complete and partial spinal lesions models.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Essai non randomisé · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,819
Score d'incertitude au seuil0,494

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,177
Tête enseignante GPT0,429
Écart entre enseignants0,252 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeEssai non randomisé
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

Citations25
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Neurologic Physical TherapyMême sujetSpinal Cord Injury ResearchTravaux en français237 207