A randomized trial of functional electrical stimulation for walking in incomplete spinal cord injury: Effects on body composition
Notice bibliographique
Résumé
OBJECTIVE: To evaluate the effects of functional electrical stimulation (FES)-assisted walking on body composition, compared to a non-FES exercise program in individuals with a spinal cord injury (SCI). DESIGN: Parallel-group randomized controlled trial. METHODS: Individuals with chronic (≥ 18 months) incomplete SCI (level C2 to T12, AIS C or D) were recruited and randomized to FES-assisted walking (intervention), or aerobic and resistance training (control) sessions thrice-weekly for 16 weeks. Whole body and leg lean mass and whole body fat mass, measured with dual-energy X-ray absorptiometry, and lower-limb muscle cross-sectional area (CSA) and fat CSA, measured with peripheral computed tomography were assessed at baseline, 4 months, and 12 months. Intention-to-treat analyses using repeated measures general linear models were used to assess between-group differences. RESULTS: Thirty-four individuals were randomized (17 per group); 27 remained at 12 months. There were no significant main effects of FES-assisted walking on body composition variables in intention-to-treat analyses with group means. There was a significant group-by-time interaction for muscle area from baseline to 12 months (P = 0.04). Intention-to-treat analysis of muscle area change scores between baseline and 12 months revealed a significant difference between groups (mean (SD) muscle area change score 212 (517) mm(s) for FES, -136 (268) mm(s) for control, P = 0.026). There were 13 side effects or adverse events deemed related to study participation (7 intervention, 5 control); most were resolved with modifications to the protocol. One fainting episode resulted in a hospital visit and study withdrawal. CONCLUSIONS: Thrice-weekly FES-assisted walking exercise over 4 months did not result in a change in body composition in individuals with chronic, motor incomplete C2 to T12 SCI (AIS classification C and D). However, longer-term follow-up revealed that it might maintain muscle area.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».