MétaCan
Menu
← Retour à la cohorte
Enregistrement W3045048568 · doi:10.20407/fmj.4.4_88

Effect of high-frequency mirror therapy for upper extremities after subacute stroke

2018· article· en· W3045048568 sur OpenAlexaff
Hiroyuki Miyasaka, Izumi Kondo, Hitoshi Ohnishi, Toshio Teranishi, Abbas Orand, Shigeru Sonoda

Notice bibliographique

RevueDOAJ (DOAJ: Directory of Open Access Journals) · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueStroke Rehabilitation and Recovery
Établissements canadiensSimon Fraser University
Organismes subventionnairesnon disponible
Mots-clésStroke (engine)Physical medicine and rehabilitationMedicinePhysical therapyPhysics

Résumé

récupéré en direct d'OpenAlex

Objectives: This study aimed to investigate the effect of high-frequency mirror therapy (MT) on the upper extremities of patients suffering paresis following subacute stroke. Altogether, 50 subacute stroke patients with upper limb paresis whose strokes had occurred within 30–60 days of the start of this study were enrolled. The patients were randomly divided equally into groups assigned to conventional therapy (CT) alone or to CT plus mirror therapy (MT). All patients underwent CT training 40 min daily for 4 weeks. The MT group patients then continued an additional 20 min of shoulder, elbow, wrist, and finger MT, whereas the CT group continued with an additional 20 min of CT. Main outcome measures were the angles achieved during active shoulder flexion and abduction and wrist dorsiflexion, as well as upper-limb Fugl–Meyer Assessment (FMA) subscores. Results: For both the intention-to-treat and per-protocol analyses, the MT group showed significantly more improvement in active shoulder flexion range of motion than did the CT group. The FMA scores improved from before to after the start of the study in both groups, with no significant differences between the two groups. Conclusions: Application of MT at a high frequency probably has a positive effect on improving shoulder function in these subacute stroke patients. Thus, frequent MT application is essential for alleviating stroke-induced paralysis.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Essai non randomisé · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,119
Tête enseignante GPT0,526
Écart entre enseignants0,407 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeEssai non randomisé
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDOAJ (DOAJ: Directory of Open Access Journals)→Même sujetStroke Rehabilitation and Recovery→Travaux en français237 207→