Physiotherapy Secretion Removal Techniques in People With Spinal Cord Injury: A Systematic Review
Notice bibliographique
Résumé
OBJECTIVE: To address whether secretion removal techniques increase airway clearance in people with chronic spinal cord injury (SCI). DATA SOURCES AND STUDY SELECTION: MEDLINE/PubMed, CINAHL, EMBASE, and PsycINFO were searched from inception to May 2009 for population keywords (spinal cord injury, paraplegia, tetraplegia, quadriplegia) paired with secretion removal-related interventions and outcomes. Inclusion criteria for articles were a research study, irrespective of design, that examined secretion removal in people with chronic SCI published in English. REVIEW METHODS: Two reviewers determined whether articles met the inclusion criteria, abstracted information, and performed a quality assessment using PEDro or Downs and Black criteria. Studies were then given a level of evidence based on a modified Sackett scale. RESULTS: Of 2416 abstracts and titles retrieved, 24 met the inclusion criteria. Subjects were young (mean, 31 years) and 84% were male. Most evidence was level 4 or 5 and only 2 studies were randomized controlled trials. Three reports described outcomes for secretion removal techniques in addition to cough, whereas most articles examined the immediate effects of various components of cough. Studies examining insufflation combined with manual assisted cough provided the most consistent, high-level evidence. Compelling recent evidence supports the use of respiratory muscle training or electrical stimulation of the expiratory muscles to facilitate airway clearance in people with SCI. CONCLUSION: Evidence supporting the use of secretion removal techniques in SCI, while positive, is limited and mostly of low level. Treatments that increase respiratory muscle force show promise as effective airway clearance techniques.
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 | 0,005 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,011 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,005 |
| 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 ».