Scoping Review on Brain-Computer Interface–Controlled Electrical Stimulation Interventions for Upper Limb Rehabilitation in Adults: A Look at Participants, Interventions, and Technology
Notice bibliographique
Résumé
Purpose: While current rehabilitation practice for improving arm and hand function relies on physical/occupational therapy, a growing body of research evaluates the effects of technology-enhanced rehabilitation. We review interventions that combine a brain-computer interface (BCI) with electrical stimulation (ES) for upper limb movement rehabilitation to summarize the evidence on (1) populations of study participants, (2) BCI-ES interventions, and (3) the BCI-ES systems. Method: After searching seven databases, two reviewers identified 23 eligible studies. We consolidated information on the study participants, interventions, and approaches used to develop integrated BCI-ES systems. The included studies investigated the use of BCI-ES interventions with stroke and spinal cord injury (SCI) populations. All studies used electroencephalography to collect brain signals for the BCI, and functional electrical stimulation was the most common type of ES. The BCI-ES interventions were typically conducted without a therapist, with sessions varying in both frequency and duration. Results: Of the 23 eligible studies, only 3 studies involved the SCI population, compared to 20 involving individuals with stroke. Conclusions: Future BCI-ES interventional studies could address this gap. Additionally, standardization of device and rehabilitation modalities, and study-appropriate involvement with therapists, can be considered to advance this intervention towards clinical implementation.
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 | 0,001 |
| 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 ».