Effects of passive Bi-axial ankle stretching while walking on uneven terrains in older adults with chronic stroke
Notice bibliographique
Résumé
Many people with stroke experience foot drop while walking. Further, walking on uneven surfaces is a common fall risk for these people that hinder with their daily life activities. In addition, a few years after a stroke, lower-limb exercises become less focused, especially the ankle joint movement. The objective of this study is to determine the gait performance of older adults with chronic stroke on an uneven surface in relation to ankle mobility after a four-week bi-axial ankle range of motion (ROM) exercise session. Fifteen older adults with chronic post-stroke hemiparesis (N = 15; mean age = 65 years) participated in a total of 12 bi-axial ankle ROM exercises that consisted of three 30-min training sessions per week for four weeks. Basic clinical tests and gait performance in even and uneven surfaces were evaluated before and after training. Participants with chronic post-stroke hemiparesis showed significantly improved ankle functions, decreased ankle stiffness (from 0.140 ± 0.059 to 0.128 ± 0.067 N·m/°; p = 0.025), and increased paretic ankle passive ROMs (dorsiflexion(DF)/plantarflexion(PF): from 27.3 ± 14.7° to 50.6 ± 10.3°, p < 0.001; inversion(INV)/eversion(EV): 21.7 ± 9.7° to 28.6 ± 9.9°; p = 0.033) after training. They exhibited significant improvements in the walking performance over an uneven surface, step kinematics (walking speed 0.257 ± 0.17 to 0.320 ± 0.178 m/s; p = 0.017; step length: 0.214 ± 0.109 to 0.243 ± 0.108 m; p = 0.009), and clinical balance and mobility (Berg balance scale: 47.2 ± 4.7 to 50.1 ± 3.9, p = 0.0001; timed-up and go test: 23.9 ± 10.3 to 20.2 ± 7.0 s, p = 0.0156). This study is the first research to investigate the walking performance on uneven surfaces in the elderly with chronic stroke in relation to the ankle biomechanical property changes.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| 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) | 0,001 | 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 ».