Effect of Functional Electrical Stimulation Cycling Exercise on Lower Limb Strength Asymmetry in Persons With Multiple Sclerosis
Notice bibliographique
Résumé
Abstract Background: Lower limb strength asymmetry (ie, significant difference between contralateral limbs) has been associated with mobility impairment in persons with multiple sclerosis (MS). However, whether an adaptive exercise modality can be used to modify lower limb strength and potentially improve mobility is unclear. The effect of functional electrical stimulation (FES) cycling on lower limb strength asymmetry in persons with MS with mobility impairment was assessed, and the association between change in lower limb strength asymmetries and changes in functional and self-reported mobility outcomes was explored. Methods: Eight adults with MS (Expanded Disability Status Scale scores, 5.5–6.5) were included. Outcomes included knee extensor and knee flexor strength asymmetry, Timed 25-Foot Walk (T25FW) test, 2-Minute Walk Test (2MWT), Timed Up and Go (TUG) test, and 12-item Multiple Sclerosis Walking Scale (MSWS-12). Participants received 24 weeks (3 times per week) of FES cycling or passive leg cycling. Results: The FES condition demonstrated a small decrease in knee extensor (d = −0.33) and knee flexor (d = −0.23) strength asymmetry compared with passive leg cycling. With both groups combined, weak-to-strong associations were observed between change in knee extensor asymmetry and change in T25FW test time (rs = −0.43), 2MWT time (rs = −0.24), TUG test time (rs = 0.55), and MSWS-12 score (rs = 0.43). Moderate correlations were observed between change in knee flexor asymmetry and change in T25FW test time (rs = −0.31), TUG test time (rs = 0.33), and MSWS-12 score (rs = 0.35). Conclusions: FES cycling may be an efficacious exercise modality for reducing lower limb strength asymmetry and improving mobility in persons with MS.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».