MétaCan
Menu
Retour à la cohorte
Enregistrement W4297610027 · doi:10.33920/med-14-2208-03

Study of the efficacy of comprehensive rehabilitation of fine motor skills in patients after ischemic stroke, using hardware technology with biofeedback

2022· article· en· W4297610027 sur OpenAlexaboutno aff
I. V. Sidyakina, Ksenya V. Lupanovа, Н. Б. Корчажкина, Mikhaĭlova Aa, Т В Шаповаленко, Е. С. Конева

Notice bibliographique

RevueFizioterapevt (Physiotherapist) · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueStroke Rehabilitation and Recovery
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésRivermead post-concussion symptoms questionnairePhysical medicine and rehabilitationActivities of daily livingPhysical therapyRehabilitationBiofeedbackStroke (engine)Barthel indexMedicinePsychology

Résumé

récupéré en direct d'OpenAlex

The article presents the current data on the importance of applying a multimodal approach including hardware techniques with biofeedback in restoring fine motor skills of the hand in patients after ischemic stroke in the early recovery period. The results of the combined use of peripheral magnetic stimulation (Magstim Rapid) with active training on the Hand Tutor device with biofeedback are described on the example of a clinical case. The efficiency of the complex approach was evaluated according to basic scales of neurological deficit: the National Institutes of Health Stroke Scale (NIHSS), the modified Rankin Scale, the Barthel Index for Activities of Daily Living, the Rivermead Activities of Daily Living Scale, the Montreal Cognitive Assessment Scale (MoCA). We also performed a quantitative assessment of motor deficits in the affected limb before and after application of the technique, using the MediTutor software. Based on the results of the study, a decrease in both neurological and motor deficits in the affected limb was revealed; however, further study of the effectiveness of the method with the selection of parameters and duration of therapy is necessary.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,170
Score d'incertitude au seuil0,536

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,007
Tête enseignante GPT0,255
Écart entre enseignants0,248 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFizioterapevt (Physiotherapist)Même sujetStroke Rehabilitation and RecoveryTravaux en français237 207