Electrical Stimulation as a Tool to Promote Plasticity of the Injured Spinal Cord
Notice bibliographique
Résumé
Unlike their peripheral nervous system counterparts, the capacity of central nervous system neurons and axons for regeneration after injury is minimal. Although a myriad of therapies (and different combinations thereof) to help promote repair and recovery after spinal cord injury (SCI) have been trialed, few have progressed from bench-top to bedside. One of the few such therapies that has been successfully translated from basic science to clinical applications is electrical stimulation (ES). Although the use and study of ES in peripheral nerve growth dates back nearly a century, only recently has it started to be used in a clinical setting. Since those initial experiments and seminal publications, the application of ES to restore function and promote healing have greatly expanded. In this review, we discuss the progression and use of ES over time as it pertains to promoting axonal outgrowth and functional recovery post-SCI. In doing so, we consider four major uses for the study of ES based on the proposed or documented underlying mechanism: (1) using ES to introduce an electric field at the site of injury to promote axonal outgrowth and plasticity; (2) using spinal cord ES to activate or to increase the excitability of neuronal networks below the injury; (3) using motor cortex ES to promote corticospinal tract axonal outgrowth and plasticity; and (4) leveraging the timing of paired stimuli to produce plasticity. Finally, the use of ES in its current state in the context of human SCI studies is discussed, in addition to ongoing research and current knowledge gaps, to highlight the direction of future studies for this therapeutic modality.
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 | 0,000 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».