Optimal Muscle Selection for OnabotulinumtoxinA Injections in Poststroke Lower-Limb Spasticity
Notice bibliographique
Résumé
OBJECTIVE: The aim of the study was to identify optimal muscle selection patterns for onabotulinumtoxinA treatment of poststroke lower-limb spasticity. DESIGN: Adults with poststroke lower-limb spasticity (ankle Modified Ashworth Scale ≥3) were randomized to onabotulinumtoxinA (300 U, mandatory ankle plantar flexors; ≤100 U, optional lower-limb muscles) or placebo. Post hoc analysis assessed the impact of muscle selection patterns on ankle Modified Ashworth Scale and physician-assessed Clinical Global Impression of Change based on change from baseline to average of weeks 4/6 versus placebo. RESULTS: Among 468 patients randomized, onabotulinumtoxinA improved ankle Modified Ashworth Scale (-0.81 vs -0.61, P = 0.01) and Clinical Global Impression of Change (0.86 vs 0.65, P = 0.012) versus placebo. Injection of mandatory muscles alone was not sufficient in improving ankle Modified Ashworth Scale (P = 0.255) or Clinical Global Impression of Change (P = 0.576) versus placebo but was adequate 24 mos or less after stroke (Modified Ashworth Scale, -1.13 vs -0.62, P = 0.019; Clinical Global Impression of Change, 1.24 vs 0.68, P = 0.006). Additional injections into toe muscles (flexor digitorum longus, flexor hallucis longus) improved ankle Modified Ashworth Scale (-0.98 vs -0.52, P = 0.002) and Clinical Global Impression of Change (0.80 vs 0.38, P = 0.023) versus placebo regardless of time since stroke. OnabotulinumtoxinA was well tolerated, with no new safety findings. CONCLUSIONS: Post hoc analyses suggested additional injections of onabotulinumtoxinA into toe flexors improved ankle Modified Ashworth Scale and Clinical Global Impression of Change scores versus mandatory muscles alone overall and with treatment initiation more than 24 mos after stroke.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».