Using meta-data to explore dose-response relationships in stroke therapy
Notice bibliographique
Résumé
Neurophysiological data suggest that a very high number of movement repetitions are required to induce the neuroplastic changes that lead to behavioural improvements in therapy. The volume of repetitions can be thought of as the therapy dosage. Little is known about the relationship between dosage and magnitude of recovery. We used meta-analytic regression to explore dose-response relationships in physical therapy for adults with stroke. We conducted a systematic review of randomized controlled trials (databases: PubMed, PsychINFO, Google Scholar). 28 RCTs were identified that manipulated time in therapy between treatment and control groups. Meta-regression was used to predict standardized mean differences between treatment and control groups based on additional therapy time and time from stroke onset to treatment. Additional therapy time led to improved treatment outcomes, but this effect was moderated by time post-stroke. In early stages of stroke (0-3 mo.) this effect was attenuated (β = 0.005, se = 0.02). For moderate time post-stroke (3-12 mo.) the strength of this effect increased (β = 0.055, se = 0.02). The effect also increased for longer times post-stroke (>12 mo.; β = 0.039, se = 0.02), but longer times post stroke also had a significant negative effect (β = -0.254, se = 0.18) on the intercept (β = 0.346, se = 0.10). All times post-stroke benefited from additional time in therapy, but additional time had a larger effect after 3 months post-stroke. Theoretical implications of these data are discussed as are important suggestions for future research.
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 | 0,057 | 0,132 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,019 | 0,073 |
| Bibliométrie | 0,008 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,004 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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.
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 ».