Electromyogram-Related Neuromuscular Electrical Stimulation for Restoring Wrist and Hand Movement in Poststroke Hemiplegia: A Systematic Review and Meta-Analysis
Notice bibliographique
Résumé
BACKGROUND: Clinical trials have demonstrated some benefits of electromyogram-triggered/controlled neuromuscular electrical stimulation (EMG-NMES) on motor recovery of upper limb (UL) function in patients with stroke. However, EMG-NMES use in clinical practice is limited due to a lack of evidence supporting its effectiveness. OBJECTIVE: To perform a systematic review and meta-analysis to determine the effects of EMG-NMES on stroke UL recovery based on each of the International Classification of Functioning, Disability, and Health (ICF) domains. METHODS: Database searches identified clinical trials comparing the effect of EMG-NMES versus no treatment or another treatment on stroke upper extremity motor recovery. A meta-analysis was done for outcomes at each ICF domain (Body Structure and Function, Activity and Participation) at posttest (short-term) and follow-up periods. Subgroup analyses were conducted based on stroke chronicity (acute/subacute, chronic phases). Sensitivity analysis was done by removing studies rated as poor or fair quality (PEDro score <6). RESULTS: Twenty-six studies (782 patients) met the inclusion criteria. Fifty percent of them were considered to be of high quality. The meta-analysis showed that EMG-NMES has a robust short-term effect on improving UL motor impairment in the Body Structure and Function domain. No evidence was found in favor of EMG-NMES for the Activity and Participation domain. EMG-NMES had a stronger effect for each ICF domain in chronic (≥3 months) compared to acute/subacute phases. CONCLUSION: EMG-NMES is effective in the short term in improving UL impairment in individuals with chronic 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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| 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 ».