The sensorimotor effects of a lower limb proprioception training intervention in individuals with a spinal cord injury
Notice bibliographique
Résumé
Proprioception is critical for movement control. After a spinal cord injury (SCI), individuals not only experience paralysis but may also experience proprioceptive deficits, further confounding motor recovery. The objective of this study was to test the effects of a robotic-based proprioception training protocol on lower limb proprioceptive sense in people with incomplete SCI. A secondary objective was to assess whether the effects of training transferred to a precision stepping task in people with motor-incomplete SCI. Participants with chronic incomplete SCI and able-bodied controls underwent a 2-day proprioceptive training protocol using the Lokomat robotic exoskeleton. The training involved positioning the test leg to various positions and participants were asked to report whether they felt their heel position (end-point position) was higher or lower compared with a reference position. Feedback was provided after each trial to help participants learn strategies that could help them discern different positions of their foot. Changes in end-point position as well as knee joint position sense were assessed pre- and posttraining. We also assessed the effects of proprioception training on the performance of a precision stepping task in people with motor-incomplete SCI. Following training, there were significant improvements in end-point and knee joint position sense in both groups. The magnitude of improvement was related to pretraining (baseline) proprioceptive sense, indicating that those who initially had better lower limb position sense showed greater changes. Participants also showed improvements in performance of a precision stepping task. NEW & NOTEWORTHY We show that it is possible to alter proprioceptive sense in people with incomplete SCI using a passive proprioception training protocol combined with feedback. Improvements in proprioceptive sense transferred from end-point to joint position sense and also to an untrained precision stepping task.
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) | 0,001 | 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) | 0,003 | 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 ».