Contribution of Different Impairments to Restricted Knee Flexion during Gait in Individuals with Cerebral Palsy
Notice bibliographique
Résumé
The coexistence of overlapping impairments modulates the knee pattern in the swing phase of walking in children with cerebral palsy (CP). The impact and contribution of each impairment to the reduction of knee range-of-motion is unknown. The aim of the study was to establish the gradation of the impact of individual coexisting impairments on the knee flexion range-of-motion. Passive range-of-motion, selective motor control, strength, and spasticity from 132 patients (Male = 76, Female = 56, age:11 ± 4 years) with spastic CP were tested with clinical tools. Knee flexion range-of-motion at terminal stance, pre-swing, and initial swing phases were assessed by gait analysis. Hypertonia (β = −5.75) and weakness (β = 2.76) of knee extensors were associated with lower range of knee flexion (R2 = 0.0801, F = 11.0963, p < 0.0001). The predictive factors (R2 = 0.0744, F = 7.2135, p < 0.0001) were strength (β = 4.04) and spasticity (β = −2.74) of knee extensors and strength of hip flexors (β = −2.01); in swing those were knee extensors hypertonia (β = −2.55) and passive range of flexion (β = 0.16) (R2 = 0.0398, F = 3.4010, p = 0.01). Hypertonia of knee extensors has the strongest impact on knee flexion range-of-motion; secondary is the strength of knee extensors. The knee extensors strength with knee extensors hypertonia and strength of hip flexors contributes in stance. Knee extensors hypertonia with passive knee flexion range-of-motion contributes in swing.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».