Commentary to: Task-specific and impairment-based training improve walking ability in stroke
Notice bibliographique
Résumé
Question: Is a task-specific locomotor training program (LTP) or impairment-based strength and balance home exercise program (HEP) better at improving walking function in people with stroke than usual care (UC)?Design: Multicentre randomised controlled trial with blinded outcome assessment.Setting: Six rehabilitation units in the USA.Participants: Key inclusion criteria were: adults, within 45 days of stroke, with a self-selected gait speed of < 0.8 m/s and living in the community by the time of randomisation.Key exclusion criteria were exercise contraindications.Randomisation of 408 participants allocated 139, 126 and 143 individuals to the LTP, HEP, and UC respectively.Interventions: Both the LTP and HEP groups received supervised training three days per week for 12 to 16 weeks.The locomotor training program included locomotor training on a treadmill with partial bodyweight support and overground walking practice in an outpatient facility.The home exercise program consisted of strength and balance exercises supervised in the home.Outcome measures: The primary outcomes were the proportion of people who were able to achieve a functional walking level, which was defined as a walking speed of > 0.4 m/s for those whose initial speed was < 0.4 m/s, or J o u r n a l o f PHYSIOTHERAPY
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 | 0,004 | 0,047 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,005 | 0,003 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,072 | 0,046 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,008 |
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 ».