Systematic Review of the Effectiveness of Pharmacological Interventions in the Treatment of Spasticity of the Hemiparetic Lower Extremity More Than Six Months Post Stroke
Notice bibliographique
Résumé
BACKGROUND: The long-term management of lower limb spasticity after stroke is an important aspect of an individual's physical recovery and quality of life. OBJECTIVE: To examine the effectiveness of pharmacological interventions in reducing spasticity of the lower limb in chronic stroke survivors. METHODS: PubMed, CINAHL, and EMBASE were searched for studies in which (1) ≥50% of the sample size had sustained a stroke; (2) the research design was a randomized controlled trial (RCT); (3) the mean time since stroke was ≥6 months for both the treatment and control groups, at the time treatment was initiated; (4) the treatment group received a pharmacological intervention aimed at treating lower limb spasticity; and (5) spasticity was assessed pre and post treatment. Methodological quality of each study was assessed using the PEDro tool. RESULTS: Nine RCTs (PEDro scores, 4-9) met inclusion criteria and included a pooled sample size of 605 individuals with a mean age of 54.8 years (range, 14-86). Four RCTs provided evidence that botulinum toxin type A was effective in reducing spasticity compared to persons receiving placebo or a phenol neurolytic. One study provided evidence that both alcohol and phenol neurolytics were effective in reducing spasticity. Finally, 4 studies provided evidence that oral and intrathecal medications were effective in reducing lower limb spasticity compared to placebo. CONCLUSIONS: Pharmacological treatment initiated 6 months post stroke reduced lower limb spasticity. Relevant areas of exploration for future research could include the period of effectiveness, long-term complications, and a cost-benefit analysis of such treatments.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».