Effects of Mind–Body Movements on Balance Function in Stroke Survivors: A Meta-Analysis of Randomized Controlled Trials
Notice bibliographique
Résumé
Objective: We performed a systematic review with meta-analysis and meta-regression to determine if mind–body movements (MBM) could be effective in rehabilitating balance function among stroke survivors. Methods: A literature search was conducted using major Chinese and English electronic databases from an inception until January 2018. Randomized controlled studies were included in our meta-analysis. Data was independently extracted by two review authors using a pre-developed table and confirmed by a third party to reach a consensus. Pooled effect size (Hedge’s g) was computed while the random-effect model was set. Results: The meta-analytic results showed a significant benefit of the MBM intervention on increased balance function compared to the control groups (Hedge’s g = 1.59, CI 0.98 to 2.19, p < 0.001, I2 = 94.95%). Additionally, the meta-regression indicated that the total number of sessions (β = 0.00142, 95% CI 0.0039 to 0.0244, p = 0.0067) and dose of weekly training (β = 0.00776, 95% CI 0.00579 to 0.00972, p = 0.00) had significantly positive effects on balance function. Conclusions: The study encouraging findings indicate the rehabilitative effect of a MBM intervention for balance function in stroke survivors. However, there were significant limitations in the design among several of the included trials. Additional studies with more robust methodologies are needed to provide a more definitive conclusion.
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 | 0,022 | 0,049 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,002 |
| Méta-épidémiologie (sens large) | 0,025 | 0,061 |
| Bibliométrie | 0,010 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,003 |
| 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 ».