The Current State of Knowledge on the Clinical and Methodological Aspects of Extracorporeal Shock Waves Therapy in the Management of Post-Stroke Spasticity—Overview of 20 Years of Experiences
Notice bibliographique
Résumé
In many patients after stroke, spasticity develops over time, resulting in a decrease in the patient's independence, pain, worsening mood, and, consequently, lower quality of life. In the last ten years, a rich arsenal of physical agents to reduce muscle tone such as extracorporeal shock therapy (ESWT) wave has come through. The aim of this narrative review article is to present the current state of knowledge on the use of ESWT as a supplement to the comprehensive rehabilitation of people after stroke suffering from spasticity. The PubMed and PEDro databases were searched for papers published in English from January 2000 to December 2020, 22 of which met inclusion criteria for clinical studies related to post-stroke spasticity management with ESWT. A total of 22 studies including 468 post-stroke patients-11 reports with the upper limb (267 patients) and 10 reports within the lower limb (201 patients), as well as one report including both upper and lower limb. We focused our attention on clinical and methodological aspects. Therefore, we performed the assessment of enrolled studies in terms of methodological quality using the PEDro and level of evidence using the National Institute for Health and Clinical Excellence (NICE) guidelines. Furthermore, we indicated implications for clinical practice in using ESWT for post-stroke spasticity management. Moreover, we discussed a suggestion for future research directions. In conclusion, an ESWT effectively reduces muscle tone in people with spastic limb after stroke. Further, ESWT is safe and free of undesirable side effects. The mechanism of action of ESWT on muscles affected by spasticity is still unknown. To date, no standard parameters of ESWT in post-stroke spasticity regarding intensity, frequency, location, and the number of sessions has been established. Further research, meeting the highest standards, is needed to establish uniform muscle stimulation parameters using ESWT.
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 | 0,046 | 0,119 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,003 |
| Bibliométrie | 0,010 | 0,011 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,007 | 0,006 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».