Post-stroke upper limb rehabilitation using virtual reality interventions: Do outcome measures assess extent or type of motor improvement?
Notice bibliographique
Résumé
Post-stroke upper limb motor improvement continues to remain sub-optimal in a significant proportion of individuals sustaining a stroke. Efforts to enhance UL motor improvement have led to the use of evidence-based interventions including virtual reality technology. The effects of interventions on motor impairments, activity limitations and participation restrictions are commonly assesses using clinical outcomes. Majority of the clinical outcomes focus on the extent of motor improvement (i.e. how much). Information on the type (i.e. how) of recovery can be obtained by using a selected few clinical outcomes and movement pattern kinematic measures. The study objective was to characterize the outcomes used to assess the effects of virtual reality interventions in terms of quantifying the extent and type of upper limb motor improvement. We reviewed the published literature on the effects of virtual reality (VR) based interventions to enhance UL motor improvements. Outcomes from the retrieved studies were initially classified under the appropriate International Classification of Functioning categories. We then categorized the outcomes into those quantifying into type or extent of motor improvement based on existing evidence. We found 100 papers that investigated the effects of virtual reality interventions to enhance post-stroke UL motor improvement. Forty two different outcome measures were used across the 100 studies. Seventeen different outcomes assessed impairments, 16 were used to measure activity limitations and 6 measured participation restrictions and the effects of contextual factors. The Fugl Meyer Assessment, Wolf Motor Function Test and Stroke Impact Scale were most commonly used across the three categories. Of the retrieved 100 studies, 48 used an outcome that considered the type of recovery. Although a smaller proportion, 17 studies included outcomes of movement patterns. The use of outcomes considering the type of recovery is steadily increasing in studies using VR for post-stroke UL rehabilitation.
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 | 0,038 | 0,115 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,004 |
| Bibliométrie | 0,008 | 0,011 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,004 | 0,005 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».