Impact of Passive Leg Cycling in Persons With Spinal Cord Injury: A Systematic Review
Notice bibliographique
Résumé
Background: Passive leg cycling is an important clinical tool available for rehabilitation after spinal cord injury (SCI). Passive cycling can be used to derive exercise-related benefits in patients with poor motor control. There have been a number of studies examining the effects of passive cycling on a variety of outcomes. There is need for a systematic assessment of the cycling parameters and the associated clinical changes in cardiovascular, neuromuscular, and musculoskeletal outcomes after passive cycling. Objectives: To assess the effectiveness of passive leg cycling interventions on cardiovascular, neuromuscular, and musculoskeletal outcomes post SCI, and to describe intensity, duration, and type of passive leg cycling post SCI. Methods: PRISMA guided systematic review of literature based on searches in the following databases: PubMed/MEDLINE, PEDro, EMBASE, Cochrane Library, and Google Scholar. Peer-reviewed publications that were written in English were included if they described the effects of a single session or multiple sessions of passive leg cycling in persons post SCI. Results: Eleven papers were included: two were randomized controlled trials (RCTs), one was a crossover trial, and the rest were pre-post single-group designs. Three studies (including two RCTs) reported statistically significant benefits of multiple sessions of passive cycling on leg blood flow velocity, spasticity, reflex excitability and joint range of motion, and markers of muscle hypertrophy. About half of the single session studies showed statistically significant improvement in acute responses. Conclusion: Multiple sessions of passive leg cycling showed benefits in three categories – cardiovascular, musculoskeletal, and neurological – with medium to large effect sizes.
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 | 0,003 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,006 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».