A Systematic Review and Meta‐Analysis on the Use of Repetitive Transcranial Magnetic Stimulation for Spasticity Poststroke
Notice bibliographique
Résumé
BACKGROUND: Spasticity is a common and potentially debilitating complication that develops after stroke, arising in approximately 30% of patients. OBJECTIVE: To evaluate the effectiveness of repetitive transcranial magnetic stimulation (rTMS) in improving spasticity after stroke. DESIGN: Meta-analysis and systematic review. SETTING: Not applicable. PATIENTS: A total of 273 poststroke (hemorrhagic = 123, ischemic = 150) participants were included with sample sizes ranging from 5 to 80. The majority of participants were male (66.0%) with a mean age ranging from 55.0 to 64.6 years. Mean stroke duration ranged from 6 months to 10 years. METHODS: A literature search of multiple databases was conducted for articles published in English from January 1980 to April 2015 using select keywords. Studies were included if (1) the population included was >50% stroke patients; (2) the sample size included ≥4 subjects; (3) the intervention applied was rTMS; and (4) upper extremity spasticity was assessed pre- and postintervention. Randomized controlled trials (RCTs) were assessed for methodologic quality with the Physiotherapy Evidence Database tool. All research designs were given a level of evidence according to a modified Sackett Scale. MAIN OUTCOME MEASUREMENTS: Modified Ashworth Scale (MAS). RESULTS: Ten studies met the inclusion criteria: 2 RCTs (Physiotherapy Evidence Database scores 8-9) and 8 pre-post studies. Meta-analyses of primarily uncontrolled pre-post studies found significant improvements in MAS for elbow (P < .001), wrist (P < .001), and finger flexors (P < .001). However, a meta-analysis of the 2 available RCTs failed to find a significant rTMS treatment effect on MAS for the wrist (standardized difference = .34, P = .30). CONCLUSIONS: There is limited available evidence to support the use of rTMS in improving spasticity poststroke. Despite the positive findings reported, better powered and appropriately controlled trials are necessary. LEVEL OF EVIDENCE: II.
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 | 0,018 | 0,047 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,019 | 0,030 |
| Bibliométrie | 0,009 | 0,009 |
| 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 | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».