Effects of repetitive transcranial magnetic stimulation on gait disorders and cognitive dysfunction in Parkinson's disease: A systematic review with meta‐analysis
Notice bibliographique
Résumé
BACKGROUND: Repetitive transcranial magnetic stimulation (rTMS) is acknowledged to be crucial to manage freezing of gait (FOG) and cognitive impairment for patients with Parkinson's disease (PD), but its effectiveness is unclear. OBJECTIVE: To determine the effects of rTMS on FOG and cognitive function in people with PD and to investigate potential factors that modulate the rTMS effects. METHODS: Databases searched included PubMed, Web of Science, EMBASE, and the Cochrane Library from inception to December 31, 2021. Eligible studies include a controlled randomized clinical trial of rTMS intervention for FOG and cognitive dysfunction in PD patients. The weighted mean difference (WMD) with 95% confidence intervals (CI) were calculated with fixed-effects models. The outcome of the study included gait and cognitive assessments. RESULTS: Sixteen studies with a total of 419 patients were included. Fixed-effects analysis revealed that rTMS was effective in improving freezing of gait questionnaire scores (short-term effect: WMD = -0.925, 95% CI: -1.642 to -0.209, p = .011; long-term effect: WMD = -2.120, 95% CI: -2.751 to -1.489, p = .000), 10-m walking time (short-term effect: WMD = -0.456, 95% CI: -0.793 to -0.119, p = .008; long-term effect: WMD = -0.526, 95% CI: -0.885 to -0.167, p = .004), Timed Up-and-Go scores (short-term effect: WMD = -1.064, 95% CI: -1.555 to -0.572, p = .000; long-term effect: WMD = -1.097, 95% CI: -1.422 to -0.772, p = .000), Montreal cognitive assessment (WMD = 3.714, 95% CI: 2.567 to 4.861, p = .000), and frontal assessment battery (WMD = -0.584, 95% CI: -0.934 to -0.234, p = .001). CONCLUSIONS: RTMS showed a beneficial effect on FOG and cognitive dysfunction in parkinsonism. However, the optimal rTMS protocol has not been determined and further high-quality studies are needed.
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 | 0,010 | 0,023 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,021 | 0,034 |
| Bibliométrie | 0,006 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».