The Effect of Robot-Assisted Training on Arm Function, Walking, Balance, and Activities of Daily Living After Stroke: A Systematic Review and Meta-Analysis
Notice bibliographique
Résumé
This meta-analysis aimed to compare the effects of robot-assisted training (RAT) with those of conventional therapy (CT), considering the potential sources of heterogeneity in the previous studies. We searched three international electronic databases (MEDLINE, Embase, and the Cochrane Library) to identify relevant studies. Risk of bias assessment was performed using the Cochrane's Risk of Bias 1.0 tool. The certainty of the evidence was evaluated using the Grading of Recommendations, Assessment, Development, and Evaluations method. The meta-analyses for each outcome of the respective domains were performed using 24 randomized controlled trials (RCTs) on robot-assisted arm training (RAAT) for arm function, 7 RCTs on RAAT for activities of daily living (ADL), 12 RCTs on robot-assisted gait training (RAGT) for balance, 6 RCTs on RAGT for walking, and 7 RCTs on RAGT for ADL. The random-effects model for the meta-analysis revealed that RAAT has significant superiority over CT in improving arm function, and ADL. We also showed that RAGT has significant superiority over CT in improving balance. Our study provides high-level evidence for the superiority of RAT over CT in terms of functional recovery after stroke. Therefore, physicians should consider RAT as a therapeutic option for facilitating functional recovery after stroke.
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 | 0,009 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,018 | 0,030 |
| Bibliométrie | 0,006 | 0,006 |
| 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) | 0,003 | 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 ».