Where Are We on Proprioception Assessment Tests Among Poststroke Individuals? A Systematic Review of Psychometric Properties
Notice bibliographique
Résumé
BACKGROUND AND PURPOSE: Proprioception is often impaired in poststroke individuals. This is a significant issue since altered proprioception is associated with poorer physical function outcomes poststroke. However, there is limited consensus on the best tools for assessing proprioception and support for their widespread use by clinicians. The objective is to appraise the psychometric properties of each test used to assess proprioception in poststroke individuals. METHODS: A systematic search was performed according to PRISMA guidelines using the databases MEDLINE, Cochrane Library, PEDro, DiTa, and BioMedicalCentral for articles published up to January 2021. RESULTS: Sixteen studies of low methodological quality were included. Sixteen different proprioception assessment tests were extracted. The proprioception portion of the Fugl-Meyer Assessment Scale was found to be the most valid and reliable tool for screening patients in clinical settings. Although no real gold standard exists, the technological devices demonstrated better responsiveness and measurement accuracy than clinical tests. Technological devices might be more appropriate for assessing proprioception recovery or better suited for research purposes. DISCUSSION AND CONCLUSIONS: This review revealed low-quality articles and a paucity of tests with good psychometric properties available to clinicians to properly screen and assess all subcomponents of proprioception. In perspective, technological devices, such as robotic orthoses or muscle vibration, may provide the best potential for assessing the different subcomponents of proprioception. Further studies should be conducted to develop and investigate such approaches.Video, Supplemental Digital Content 1, available at:http://links.lww.com/JNPT/A388.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,005 | 0,002 |
| Bibliométrie | 0,001 | 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 | 0,002 |
| 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 ».