Repetitive Mass Practice or Focused Precise Practice for Retraining Walking After Incomplete Spinal Cord Injury? A Pilot Randomized Clinical Trial
Notice bibliographique
Résumé
BACKGROUND: Retraining walking following spinal cord injury using visually guided tasks may be especially efficacious because it engages the motor cortex, whose input may facilitate improvements in functional walking. OBJECTIVES: To contrast 2 methods of retraining, one emphasizing precise, visually guided walking over obstacles and on targets (Precision Training), the other emphasizing mass practice of walking on a treadmill (Endurance Training). METHODS: A randomized, single-blind, crossover design was used. Twenty-two participants, ≥7 months postinjury, were randomly allocated to start with Precision or Endurance Training. Each phase of training was 5 times per week for 2 months, followed by a 2-month rest. MEASURES: of walking speed, distance, skill, confidence, and depression were obtained before training, then monthly thereafter. RESULTS: Both forms of training led to significant improvements in walking, with Endurance Training inducing bigger improvements in walking distance than Precision Training, especially for high-functioning walkers who had initial walking speeds >0.5 m/s. The largest improvements in walking speed and distance occurred in the first month of Endurance Training, with minimal changes in the second month of training. In contrast, improvements in walking skill occurred over both months during both types of training. Retention of over ground walking speed, distance, and skill was excellent for both types of training. CONCLUSIONS: Intensive walking training in the chronic phase after spinal cord injury is effective in improving over ground walking. Visually guided tasks for training individuals with chronic spinal cord injury were not superior to mass practice on a treadmill.
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 | 0,007 | 0,246 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».