Use of non-invasive stimulation in movement disorders: a critical review
Notice bibliographique
Résumé
BACKGROUND: Noninvasive stimulation has been widely used in the past 30 years to study and treat a large number of neurological diseases, including movement disorders. OBJECTIVE: In this critical review, we illustrate the rationale for use of these techniques in movement disorders and summarize the best medical evidence based on the main clinical trials performed to date. METHODS: A nationally representative group of experts performed a comprehensive review of the literature in order to analyze the key clinical decision-making factors driving transcranial magnetic stimulation (TMS) and transcranial direct current stimulation (tDCS) in movement disorders. Classes of evidence and recommendations were described for each disease. RESULTS: Despite unavoidable heterogeneities and low effect size, TMS is likely to be effective for treating motor symptoms and depression in Parkinson's disease (PD). The efficacy in other movement disorders is unclear. TMS is possibly effective for focal hand dystonia, essential tremor and cerebellar ataxia. Additionally, it is likely to be ineffective in reducing tics in Tourette syndrome. Lastly, tDCS is likely to be effective in improving gait in PD. CONCLUSIONS: There is encouraging evidence for the use of noninvasive stimulation on a subset of symptoms in selected movement disorders, although the means to optimize protocols for improving positive outcomes in routine clinical practice remain undetermined. Similarly, the best stimulation paradigms and responder profile need to be investigated in large clinical trials with established therapeutic and assessment paradigms that could also allow genuine long-term benefits to be determined.
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 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,000 | 0,002 |
| 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 | 0,001 |
| 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 ».