Robotic Characterization of Ipsilesional Motor Function in Subacute Stroke
Notice bibliographique
Résumé
BACKGROUND: Poststroke impairments of the ipsilesional arm are often discussed, but rarely receive focused rehabilitation. Ipsilesional deficits may affect daily function and although many studies have investigated them in chronic stroke, few characterizations have been made in the subacute phase. Furthermore, most studies have quantified ipsilesional deficits using clinical measures that can fail to detect subtle, but important deficits in motor function. OBJECTIVE: We aimed to quantify reaching deficits of the contra- and ipsilesional limbs in the subacute phase poststroke. METHODS: A total of 227 subjects with first-time, unilateral stroke completed a unilateral assessment of motor function (visually guided reaching) using a KINARM robot. Subjects completed the task with both the ipsi- and contralesional arms. Subjects were assessed on a variety of traditional clinical measures (Functional Independence Measure, Chedoke-McMaster Stroke Assessment, Purdue Pegboard, Behavioral Inattention Test) to compare with robotic measures of motor function. RESULTS: Ipsilesional deficits were common and occurred in 37% (n = 84) of subjects. Impairments of the ipsilesional and contralesional arm were weakly to moderately correlated on robotic measures. Magnitude of impairment of the contralesional arm was similar for subjects with and without ipsilesional deficits. Furthermore, we found that a higher percentage of subjects with right-hemisphere stroke had ipsilesional deficits and more subjects with left-hemisphere subcortical strokes did not have ipsilesional deficits. CONCLUSIONS: Magnitude of contralesional impairment and lesion location may be poor predictors of individuals with ipsilesional impairments after stroke. Careful characterization of ipsilesional deficits could identify individuals who may benefit from rehabilitation of the less affected arm.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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) | 0,000 | 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 ».