Functional Electrical Stimulation for Improving Gait in Persons With Chronic Stroke
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: The long-term management of stroke is an area of increasing clinical interest, and it is important to identify therapeutic interventions that are effective in the chronic phase post stroke. OBJECTIVE: To conduct a systematic review on the effectiveness of functional electrical stimulation (FES) in improving lower extremity function in chronic stroke. METHODS: Multiple databases (PubMed, CINAHL, EMBASE, and Scopus) were searched for relevant articles. Studies were included for review if (1) ≥50% of the study population has sustained a stroke, (2) the study design was a randomized controlled trial (RCT), (3) the mean time since stroke was ≥6 months, (4) FES or neuromuscular electrical stimulation (NMES) was compared to other interventions or a control group, and (5) functional lower extremity outcomes were assessed. Methodological quality was assessed using the PEDro tool. A standardized mean difference (SMD ± SE and 95% confidence interval [CI]) was calculated for the 6-minute walk test (6MWT). Pooled analysis was conducted for treatment effect of FES on the 6MWT distance using a fixed effects model. RESULTS: Seven RCTs (PEDro scores 5-7) including a pooled sample size of 231 participants met inclusion criteria. Pooled analysis revealed a small but significant treatment effect of FES (0.379 ± 0.152; 95% CI, 0.081 to 0.677; P = .013) on 6MWT distance. CONCLUSION: FES may be an effective intervention in the chronic phase post stroke. However, its therapeutic value in improving lower extremity function and superiority over other gait training approaches remains unclear.
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.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,001 | 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 découle