MétaCan
Menu
Retour à la cohorte
Enregistrement W2048939338 · doi:10.1111/j.1468-1331.2008.02127.x

Functional electrical stimulation in neurological disorders

2008· review· en· W2048939338 sur OpenAlexaff
O.K. Sujith

Notice bibliographique

RevueEuropean Journal of Neurology · 2008
Typereview
Langueen
DomaineEngineering
ThématiqueMuscle activation and electromyography studies
Établissements canadiensUniversity of British Columbia Hospital
Organismes subventionnairesnon disponible
Mots-clésFunctional electrical stimulationMedicinePhysical medicine and rehabilitationStimulationParkinsonismParaplegiaDeep brain stimulationGaitNeuroscienceMovement disordersPhysical therapySpinal cordDiseaseParkinson's diseasePsychologyInternal medicine

Résumé

récupéré en direct d'OpenAlex

Functional electrical stimulation (FES) refers to electrical stimulation of muscles in order to improve the impaired motor function. This is achieved by activating skeletal muscles with constant frequency trains of stimulations. This method has been found useful in various neurological disorders like hemiplegia, foot drop and paraplegia including spinal cord injuries. The first half of this review focuses on the broad clinical applications of functional electrical stimulation, its mechanism of action and the complications of this mode of therapy. Advanced Parkinson's disease (PD) is characterized by marked slowing of gait and frequent freezing episodes. Medical and surgical treatments are often ineffective in managing freezing episodes. The second half of this review discusses briefly the gait abnormalities in PD and the available treatment options. The possible role of FES in improving gait in parkinsonism and the importance of future research in this direction are highlighted.

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: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,991
Score d'incertitude au seuil0,936

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
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 Opus0,034
Tête enseignante GPT0,246
Écart entre enseignants0,212 · 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'étudeAutre devis
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations47
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEuropean Journal of NeurologyMême sujetMuscle activation and electromyography studiesTravaux en français237 207