Treatment of adult spasticity with Botox (onabotulinumtoxinA): Development, insights, and impact
Notice bibliographique
Résumé
Upper and lower limb spasticity (ULS, LLS) often occur following a stroke or in patients with other neurological disorders, leading to difficulties in mobility and daily living and decreased quality of life. Prior to the use of onabotulinumtoxinA, antispastic medications had limited efficacy and often caused sedation. Phenol injections were difficult for physicians to perform, painful, and led to tissue destruction. The success of onabotulinumtoxinA in treating cervical dystonia led to its use in spasticity. However, many challenges characterized the development of onabotulinumtoxinA for adult spasticity. The wide variability in the presentation of spasticity among patients rendered it difficult to determine which muscles to inject and how to measure improvement. Another challenge was the initial refusal of the Food and Drug Administration to accept the Ashworth Scale as a primary endpoint. Additional scales were designed to incorporate a goal-oriented, patient-centered approach that also accounted for the variability of spasticity presentations. Several randomized, double-blind, placebo-controlled trials of post-stroke spasticity of the elbow, wrist, and/or fingers showed significantly greater improvements in the modified Ashworth Scale and patient treatment goals and led to the approval of onabotulinumtoxinA for the treatment of ULS in adult patients. Lessons learned from the successful ULS trials were applied to design an LLS trial that led to approval for the latter indication. Additional observational trials mimicking real-world treatment have shown continued effectiveness and patient satisfaction. The use of onabotulinumtoxinA for spasticity has ushered in a more patient-centered treatment approach that has vastly improved patients' quality of life.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 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) | 0,000 | 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 ».