The use of virtual reality for balance among individuals with chronic stroke: a systematic review and meta-analysis
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: Virtual reality (VR) is becoming a popular alternative to traditional upper and lower limb rehabilitation following a stroke. OBJECTIVE: To conduct a systematic review and meta-analysis on the effectiveness of VR interventions for improving balance in a chronic stroke (≥6 months) population. DATA SOURCES: A literature search of Pubmed, Scopus, CINAHL, Embase, Psycinfo, and Web of Science databases was conducted. STUDY SELECTION: English randomized controlled trials published up to September 2015 assessing balance with VR in chronic stroke participants. DATA EXTRACTION: Mean and standard deviations from outcome measures were extracted. Pooled standard mean differences ± standard error were calculated for the Berg Balance Scale (BBS) and the Timed Up and Go test (TUG). RESULTS: Wii Fit balance board (n = 7), treadmill training and VR (n = 7), and postural training using VR (n = 6). Significant improvements were found for VR interventions evaluating the BBS (n = 12; MD = 2.94 ± 0.57; p < 0.001) and TUG (n = 13; MD = 2.49 ± 0.57; p < 0.001). Sub-analyses revealed postural VR interventions had a significant effect on BBS (n = 5) and TUG (n = 3) scores (BBS: MD = 3.82 ± 0.79; p < 0.001 and TUG: MD = 3.74 ± 0.97; p < 0.001). VR and treadmill training (n = 5) had a significant effect on TUG scores (MD = 2.15 ± 0.89, p = 0.016). CONCLUSION: Wii Fit balance board may not be effective, although further confirmatory studies are necessary. Results should be interpreted with caution due to differences in therapy intensities and effect sizes within the included studies.
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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,007 | 0,002 |
| 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 | 0,000 |
| 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