Can foot orthoses impose different gait features based on geometrical design in healthy subjects? A systematic review and meta-analysis
Notice bibliographique
Résumé
OBJECTIVE: Foot orthoses (FOs) are popular treatment to alleviate several abnormalities of lower extremity. FO designs might alter lower extremity biomechanics differently, but the association is not yet known. This review aimed to evaluate how different FO designs, namely FO with medial posting, lateral posting, arch support, or arch & heel support, change lower limb kinematics and kinetics during walking. LITERATURE SURVEY: Electronic database search were conducted from inception to March 2019, and 25 papers passed the inclusion criteria. Two independent reviewers checked the quality using a modified Downs and Black checklist (73.7±5.5%) and a biomechanical quality checklist (71.4±17.1%). Effect sizes for differences between with- and without- FO walking were calculated, and meta-analysis was performed whenever at least two studies reported the same variable. RESULTS: Medial posting reduced peak ankle eversion moment. Lateral posting brought about higher peak ankle dorsiflexion and peak ankle eversion for kinematics, as well as higher peak ankle abduction moment, lower peak knee adduction moment, and higher peak mediolateral ground reaction force (GRF) for kinetics. FOs with either arch support or arch & heel support tended to decrease vertical ground reaction force, but it was not significant. CONCLUSION: The findings of this review reveal that medial or lateral posting work efficiently to change foot and knee kinematics and kinetics. However, the impact force is just slightly decreased by arch-supported and heel supported FOs. Due to the small number of available studies, and heterogeneity in meta-analysis findings, further research with more standardized biomechanical approach are required.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,007 | 0,002 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».