Adaptations in Muscular Strength for Individuals With Multiple Sclerosis Following Robotic Rehabilitation: A Scoping Review
Notice bibliographique
Résumé
Muscular weakness and loss of motor function are common symptoms of multiple sclerosis. Robotic rehabilitation can improve sensorimotor function and motor control in this population. However, many studies using robotics for rehabilitation have overlooked changes in muscular strength, despite research demonstrating its utility in combating functional impairments. The purpose of this scoping review was to critically examine changes in muscular strength following robotic rehabilitation interventions for individuals with multiple sclerosis. A literature search of five databases was conducted and search terms included a combination of three primary terms: robotic rehabilitation/training, muscular strength, and multiple sclerosis. Thirty one articles were found, and following inclusion criteria, 5 remained for further investigation. Although muscular strength was not the primary targeted outcome of the training for any of the included articles, increases in muscular strength were present in most of the studies suggesting that robotic therapy with a resistive load can be an effective alternative to resistance training for increasing muscular strength. Outcome measures of isometric knee-extensor force (kg) (right: p < 0.05, left: p < 0.05), isometric knee flexion and extension torque (Nm) (p < 0.05), ankle dorsiflexion and plantarflexion torque (Nm) (all p < 0.05) and handgrip force (kg) (p < 0.05) all improved following a robotic training intervention. These adaptations occurred with sustained low resistive loads of hand grip or during gait training. This scoping review concludes that, despite a lack of studies focusing on strength, there is evidence robotics is a useful modality to improve muscular strength in combination with motor control and neuromotor improvements. A call for more studies to document changes in strength during robotic rehabilitation protocols is warranted.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,004 |
| Bibliométrie | 0,011 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».