Quantitative Assessment of Limb Position Sense Following Stroke
Notice bibliographique
Résumé
BACKGROUND: Impairment of position sense of the upper extremity (UE) may impede activities of daily living and limit motor gains after stroke. Most clinical assessments of position sense rely on categorical or ordinal ratings by clinicians that lack sensitivity to change or the ability to discriminate subtle deficits. OBJECTIVE: Use robotic technology to develop a reliable, quantitative technique with a continuous scale to assess UE position sense following stroke. METHODS: Forty-five patients recruited from an inpatient stroke rehabilitation service and 65 age-matched healthy controls performed an arm position matching task. Each UE was fitted in the exoskeleton of a KINARM device. One UE was passively placed in one of 9 positions, and the subject was told to match his or her position with the other UE. Patients were compared with statistical distributions of control data to identify those with deficits in UE position sense. Test-retest sessions using 2 raters established interrater reliability. RESULTS: Two thirds of left hemiparetic and one third of right hemiparetic patients had deficits in limb position sense. Left-affected stroke subjects demonstrated significantly more trial-to-trial variability than right-affected or control subjects. The robotic assessment technique demonstrated good interrater reliability but limited agreement with the clinical thumb localizing test. CONCLUSIONS: Robotic technology can provide a reliable quantitative means to assess deficits in limb position sense following stroke.
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 | 0,001 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| 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 | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».