MétaCan
Menu
Retour à la cohorte
Enregistrement W2963504495 · doi:10.1038/s41393-019-0331-z

Application of electrophysiological measures in spinal cord injury clinical trials: a narrative review

2019· review· en· W2963504495 sur OpenAlexafffund
Michèle Hubli, John L. K. Kramer, Catherine R. Jutzeler, Jan Rösner, Julio C. Furlan, Keith E. Tansey, Martin Schubert

Notice bibliographique

RevueSpinal Cord · 2019
Typereview
Langueen
DomaineMedicine
ThématiqueSpinal Cord Injury Research
Établissements canadiensToronto Rehabilitation InstituteUniversity of TorontoInternational Collaboration On Repair DiscoveriesUniversity Health NetworkUniversity of British Columbia
Organismes subventionnairesRick Hansen InstituteCraig H. Neilsen FoundationChristopher and Dana Reeve Foundation
Mots-clésMedicineNarrative reviewSpinal cordElectrophysiologySpinal cord injuryClinical trialPhysical medicine and rehabilitationCentral nervous system diseaseNeurosciencePhysical therapySurgeryIntensive care medicinePathologyInternal medicinePsychiatry

Résumé

récupéré en direct d'OpenAlex

STUDY DESIGN: Narrative review. OBJECTIVES: To discuss how electrophysiology may contribute to future clinical trials in spinal cord injury (SCI) in terms of: (1) improvement of SCI diagnosis, patient stratification and determination of exclusion criteria; (2) the assessment of adverse events; and (3) detection of therapeutic effects following an intervention. METHODS: An international expert panel for electrophysiological measures in SCI searched and discussed the literature focused on the topic. RESULTS: Electrophysiology represents a valid method to detect, track, and quantify readouts of nerve functions including signal conduction, e.g., evoked potentials testing long spinal tracts, and neural processing, e.g., reflex testing. Furthermore, electrophysiological measures can predict functional outcomes and thereby guide rehabilitation programs and therapeutic interventions for clinical studies. CONCLUSION: Objective and quantitative measures of sensory, motor, and autonomic function based on electrophysiological techniques are promising tools to inform and improve future SCI trials. Complementing clinical outcome measures, electrophysiological recordings can improve the SCI diagnosis and patient stratification, as well as the detection of both beneficial and adverse events. Specifically composed electrophysiological measures can be used to characterize the topography and completeness of SCI and reveal neuronal integrity below the lesion, a prerequisite for the success of any interventional trial. Further validation of electrophysiological tools with regard to their validity, reliability, and sensitivity are needed in order to become routinely applied in clinical SCI trials.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,011
score de la tête « metaresearch » (Gemma)0,048
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,058

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0110,048
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0050,004
Bibliométrie0,0070,008
Études des sciences et des technologies0,0000,001
Communication savante0,0030,003
Science ouverte0,0020,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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.

Tête enseignante Opus0,540
Tête enseignante GPT0,623
Écart entre enseignants0,082 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeRevue systématique
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations44
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSpinal CordMême sujetSpinal Cord Injury ResearchTravaux en français237 207