Realidade virtual no equilíbrio de pacientes com paralisia cerebral: meta-análise
Notice bibliographique
Résumé
Introdução. Em crianças com paralisia cerebral (PC), o déficit de equilíbrio aumenta o risco de quedas, afetando o desempenho das atividades da vida diária, mobilidade e participação. Assim, uma proposta de intervenção, a realidade virtual (RV) utiliza exercícios repetitivos e atrativos, com tarefas que visam ganho de equilíbrio, dentre outras funções, que irão possibilitar uma melhor performance. Objetivo. Realizar uma revisão sistemática com meta-análise, investigando os efeitos da RV no equilíbrio de indivíduos diagnosticados com PC. Método. Foram realizadas buscas nas bases Medline, Lilacs, SciELO e PEDro, selecionando ensaios clínicos que abordassem a RV como intervenção fisioterapêutica no equilíbrio de pacientes com PC. A qualidade metodológica dos estudos foi avaliada pela escala PEDro. Para a meta-análise, foi utilizado o programa Comprehensive Meta-Analysis, Versão 3.0. Resultados. Nove estudos foram incluídos na presente revisão. De forma geral, o treino de RV mostrou-se eficaz na melhora do equilíbrio de indivíduos com PC (SMD 0,84; IC95% 0,35 a 1,33; I2=7%; p<0.01). Além disso, na análise de subgrupos em relação ao tipo de grupo controle, o treino de RV se mostrou superior tanto quando comparado à nenhuma intervenção, quanto quando comparado a outras intervenções (SMD 0,74; IC95% 0,13 a 1,36; p<0,05; SMD 1,01; IC95% 0,19 a 1,84; p<0,05, respectivamente). Conclusão: O treino de RV é superior para melhorar o equilíbrio de indivíduos com PC, tanto quando comparado a nenhuma intervenção, como quando comparado a outro tipo de intervenção e deve, dessa forma, ser considerado durante a reabilitação dessa população.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,022 | 0,001 |
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 ».