Spasticity After Spinal Cord Injury: An Evidence-Based Review of Current Interventions
Notice bibliographique
Résumé
Purpose: To provide an overview of evidence for spinal cord injury (SCI) spasticity interventions in peerreviewed, published literature. Method: Structured review and synthesis of spasticity treatments in the literature. Each publication was rated according to the Downs and Black methodology for assessing nonrandomized studies and according to the Physiotherapy Evidence Database (PEDro) scale for assessing randomized controlled trials. Results: Level 1 evidence supports the use of transcutaneous electrical nerve stimulation (TENS), penile vibration, baclofen, tizanidine, clonidine, cyproheptadine, gabapentin, and Lthreonine to reduce spasticity in SCI. Conclusion: Although spasticity is a common complication following SCI, there is relatively little evidence for the treatment of spasticity and even less evidence that has been confirmed by independent replication. TENS is the only routine nonpharmacological treatment for spasticity that is supported by adequate level 1 evidence. Several pharmacological treatments, including baclofen, tizanidine, and clonidine, are supported by level 1 evidence. There is level 1 evidence to support test doses of intrathecal baclofen for the short-term reduction of spasticity in SCI but not for its long-term use. The lack of level 1 evidence for spasticity interventions does not necessarily reflect a lack of effective treatments, but it does emphasize the need for further studies. All other interventions reviewed would benefit from further study.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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 | 0,000 | 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 ».