Comparing preference related to comfort in torque-matched muscle contractions between two different types of functional electrical stimulation pulses in able-bodied participants
Notice bibliographique
Résumé
CONTEXT/OBJECTIVE: Functional electrical stimulation (FES) is commonly used in rehabilitation to generate electrically-induced muscle contractions. FES has been shown to assist in the recovery of voluntary motor functions after stroke or spinal cord injury. However, discomfort associated with FES can motivate patients to withdraw their participation from FES therapy despite its benefits. To address this issue, a functional electrical stimulator, called MyndMove™ (MyndTec Inc., Canada), has been developed to generate more comfortable contractions than conventional stimulators. DESIGN: Cross-sectional, interventional, with two treatment arms. SETTING: A laboratory within a rehabilitation center. PARTICIPANTS: Twelve able-bodied participants. INTERVENTION: FES delivered with two different stimulators, MyndMove™ and Compex Motion (Compex, Switzerland), during muscle contractions of high, moderate and low stimulation intensity. OUTCOME MEASURES: Comfort-related preference to a given stimulator and the discomfort score rated through a Numeric Rating Scale (NRS-101) for both stimulators. RESULTS: Participants perceived a reduction in discomfort during high-intensity stimulation generated using MyndMove™. In addition, MyndMove™ stimulations were preferred in 60% of all contractions. The reduction in discomfort associated with MyndMove™ might be due the fact that MyndMove™ delivers less charge to generate contractions of equivalent intensity, compared to Compex Motion. CONCLUSION: Reducing discomfort during FES may help in generating stronger and more clinically useful contractions, increasing accessibility of FES therapy to include individuals with low tolerance to FES.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».