Increasing the amount of usual rehabilitation improves activity after stroke: a systematic review
Notice bibliographique
Résumé
QUESTIONS: In people receiving rehabilitation aimed at reducing activity limitations of the lower and/or upper limb after stroke, does adding extra rehabilitation (of the same content as the usual rehabilitation) improve activity? What is the amount of extra rehabilitation that needs to be provided to achieve a beneficial effect? DESIGN: Systematic review with meta-analysis of randomised trials. PARTICIPANTS: Adults aged 18 years or older that had a diagnosis of stroke. INTERVENTION: Extra rehabilitation with the same content as usual rehabilitation aimed at reducing activity limitations of the lower and/or upper limb. OUTCOME MEASURES: Activity measured as lower or upper limb ability. RESULTS: A total of 14 studies, comprising 15 comparisons, met the inclusion criteria. Pooling data from all the included studies showed that extra rehabilitation improved activity immediately after the intervention period (SMD=0.39, 95% CI 0.07 to 0.71, I(2)=66%). When only studies with a large increase in rehabilitation (> 100%) were included, the effect was greater (SMD 0.59, 95% CI 0.23 to 0.94, I(2)=44%). There was a trend towards a positive relationship (r=0.53, p=0.09) between extra rehabilitation and improved activity. The turning point on the ROC curve of false versus true benefit (AUC=0.88, p=0.04) indicated that at least an extra 240% of rehabilitation was needed for significant likelihood that extra rehabilitation would improve activity. CONCLUSION: Increasing the amount of usual rehabilitation aimed at reducing activity limitations improves activity in people after stroke. The amount of extra rehabilitation that needs to be provided to achieve a beneficial effect is large. TRIAL REGISTRATION: PROSPERO CRD42012003221. [Schneider EJ, Lannin NA, Ada L, Schmidt J (2016) Increasing the amount of usual rehabilitation improves activity after stroke: a systematic review.Journal of Physiotherapy62: 182-187].
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 | 0,010 | 0,040 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,013 | 0,016 |
| Bibliométrie | 0,004 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».