Effectiveness of High‐Intensity Interval Training for Fitness and Mobility Post Stroke: A Systematic Review
Notice bibliographique
Résumé
OBJECTIVE: To evaluate the evidence on the effectiveness of high-intensity interval training (HIIT) in improving fitness and mobility post stroke. TYPE: Systematic review. LITERATURE SURVEY: Medline, Embase, CINAHL, PsycINFO, and Scopus were searched for articles published in English up to January 2018. METHODOLOGY: Studies were included if the sample was adult human participants with stroke, the sample size was ≥3, and participants received >1 session of HIIT. Study and participant characteristics, treatment protocols, and results were extracted. SYNTHESIS: Six studies with a total of 140 participants met inclusion criteria: three randomized controlled trials and three pre-post studies. HIIT protocols ranged 20 to 30 minutes per session, 2 to 5 times per week, and 2 to 8 weeks in total. HIIT was delivered on a treadmill in five studies and a stationary bicycle in one study. Regarding fitness measures, HIIT produced significant improvements in peak oxygen consumption compared to baseline, but the effect was not significant compared to moderate intensity continuous exercise (MICE). Regarding mobility measures, HIIT produced significant improvements on the 10-Meter Walk Test (10MWT), 6-Minute Walk Test (6MWT), Berg Balance Scale (BBS), Functional Ambulation Categories (FAC), Timed Up and Go Test, and Rivermead Motor Assessment compared to baseline. The effect of HIIT was significant compared to MICE on the 10MWT and FAC but not on the 6MWT or BBS. CONCLUSIONS: There is preliminary evidence that HIIT may be an effective rehabilitation intervention for improving some aspects of cardiorespiratory fitness and mobility post stroke. LEVEL OF EVIDENCE: I.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,007 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».