MétaCan
Menu
Retour à la cohorte
Enregistrement W3124868308 · doi:10.1186/s12984-021-00804-8

Robot enhanced stroke therapy optimizes rehabilitation (RESTORE): a pilot study

2021· article· en· W3124868308 sur OpenAlexafffund
Alexa Brianne Keeling, Mark A. Piitz, Jennifer A. Semrau, Michael D. Hill, Stephen H. Scott, Sean P. Dukelow

Notice bibliographique

RevueJournal of NeuroEngineering and Rehabilitation · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueStroke Rehabilitation and Recovery
Établissements canadiensQueen's UniversityHotchkiss Brain InstituteUniversity of Calgary
Organismes subventionnairesCanadian Institutes of Health ResearchCumming School of Medicine, University of Calgary
Mots-clésRehabilitationPhysical medicine and rehabilitationStroke (engine)Physical therapyMedicineFunctional Independence MeasureTask (project management)

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Robotic rehabilitation after stroke provides the potential to increase and carefully control dosage of therapy. Only a small number of studies, however, have examined robotic therapy in the first few weeks post-stroke. In this study we designed robotic upper extremity therapy tasks for the bilateral Kinarm Exoskeleton Lab and piloted them in individuals with subacute stroke. Pilot testing was focused mainly on the feasibility of implementing these new tasks, although we recorded a number of standardized outcome measures before and after training. METHODS: Our team developed 9 robotic therapy tasks to incorporate feedback, intensity, challenge, and subject engagement as well as addressing both unimanual and bimanual arm activities. Subacute stroke participants were assigned to a robotic therapy (N = 9) or control group (N = 10) in a matched-group manner. The robotic therapy group completed 1-h of robotic therapy per day for 10 days in addition to standard therapy. The control group participated only in standard of care therapy. Clinical and robotic assessments were completed prior to and following the intervention. Clinical assessments included the Fugl-Meyer Assessment of Upper Extremity (FMA UE), Action Research Arm Test (ARAT) and Functional Independence Measure (FIM). Robotic assessments of upper limb sensorimotor function included a Visually Guided Reaching task and an Arm Position Matching task, among others. Paired sample t-tests were used to compare initial and final robotic therapy scores as well as pre- and post-clinical and robotic assessments. RESULTS: Participants with subacute stroke (39.8 days post-stroke) completed the pilot study. Minimal adverse events occurred during the intervention and adding 1 h of robotic therapy was feasible. Clinical and robotic scores did not significantly differ between groups at baseline. Scores on the FMA UE, ARAT, FIM, and Visually Guided Reaching improved significantly in the robotic therapy group following completion of the robotic intervention. However, only FIM and Arm Position Match improved over the same time in the control group. CONCLUSIONS: The Kinarm therapy tasks have the potential to improve outcomes in subacute stroke. Future studies are necessary to quantify the benefits of this robot-based therapy in a larger cohort. TRIAL REGISTRATION: ClinicalTrials.gov, NCT04201613, Registered 17 December 2019-Retrospectively Registered, https://clinicaltrials.gov/ct2/show/NCT04201613 .

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)0,002
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: Essai non randomisé
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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.

Tête enseignante Opus0,015
Tête enseignante GPT0,268
Écart entre enseignants0,253 · 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

Citations48
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of NeuroEngineering and RehabilitationMême sujetStroke Rehabilitation and RecoveryTravaux en français237 207