MétaCan
Menu
Retour à la cohorte
Enregistrement W4210355743 · doi:10.3390/jcm11030639

Neural Substrates of Transcutaneous Spinal Cord Stimulation: Neuromodulation across Multiple Segments of the Spinal Cord

2022· review· en· W4210355743 sur OpenAlexafffund
Trevor S. Barss, Behdad Parhizi, Jane Porter, Vivian K. Mushahwar

Notice bibliographique

RevueJournal of Clinical Medicine · 2022
Typereview
Langueen
DomaineMedicine
ThématiqueSpinal Cord Injury Research
Établissements canadiensWomen and Children’s Health Research InstituteUniversity of Alberta
Organismes subventionnairesCanadian Institutes of Health ResearchCanada Foundation for Innovation
Mots-clésMedicineSpinal cordSpinal cord injuryNeuromodulationRehabilitationNeuroscienceLumbarLumbar Spinal CordPhysical medicine and rehabilitationStimulationPhysical therapyAnatomyPsychology

Résumé

récupéré en direct d'OpenAlex

Transcutaneous spinal cord stimulation (tSCS) has the potential to promote improved sensorimotor rehabilitation by modulating the circuitry of the spinal cord non-invasively. Little is currently known about how cervical or lumbar tSCS influences the excitability of spinal and corticospinal networks, or whether the synergistic effects of multi-segmental tSCS occur between remote segments of the spinal cord. The aim of this review is to describe the emergence and development of tSCS as a novel method to modulate the spinal cord, while highlighting the effectiveness of tSCS in improving sensorimotor recovery after spinal cord injury. This review underscores the ability of single-site tSCS to alter excitability across multiple segments of the spinal cord, while multiple sites of tSCS converge to facilitate spinal reflex and corticospinal networks. Finally, the potential and current limitations for engaging cervical and lumbar spinal cord networks through tSCS to enhance the effectiveness of rehabilitation interventions are discussed. Further mechanistic work is needed in order to optimize targeted rehabilitation strategies and improve clinical outcomes.

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)0,000
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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,420
Tête enseignante GPT0,582
Écart entre enseignants0,163 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations40
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Clinical MedicineMême sujetSpinal Cord Injury ResearchTravaux en français237 207