Functional electrical stimulation cycling, goal‐directed training, and adapted cycling for children with cerebral palsy: a randomized controlled trial
Notice bibliographique
Résumé
AIM: To test the efficacy of functional electrical stimulation (FES) cycling, goal-directed training, and adapted cycling, compared with usual care, to improve function in children with cerebral palsy (CP). METHOD: The intervention was delivered between 2017 and 2019 and included three sessions per week for 8 weeks (2×1h sessions at a children's hospital, and 1h home programme/week). Hospital sessions included 30 minutes of FES cycling and 30 minutes of goal-directed training. Home programmes included goal-directed training and adapted cycling. The comparison group continued usual care. Primary outcomes were gross motor function assessed by the Gross Motor Function Measure (GMFM) and goal performance/satisfaction assessed using the Canadian Occupational Performance Measure (COPM). Secondary outcomes were sit-to-stand and activity capacity, participation in home, school, and community activities, and power output. Linear regression was used to determine the between-group mean difference immediately post-training completion after adjusting for baseline scores. RESULTS: This randomized controlled trial included 21 participants (mean age=10y 3mo, standard deviation [SD]=3y; Gross Motor Function Classification System level: II=7, III=6, IV=8) who were randomized to the intervention (n=11) or usual care group (n=10). Between-group differences at T2 favoured the intervention group for GMFM-88 (mean difference=7.4; 95% confidence interval [CI]: 2.3-12.6; p=0.007), GMFM-66 (mean difference=5.9; 95% CI: 3.1-8.8; p<0.001), COPM performance (mean difference=4.4; 95% CI: 3.9-5.3; p<0.001) and satisfaction (mean difference=5.2; 95% CI: 4.0-6.4; p<0.001). INTERPRETATION: Children with CP achieved meaningful functional improvements after FES cycling, goal-directed training, and adapted cycling training. Cycling programmes for children with CP should be individualized and goal directed.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,003 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 ».