Optimal resistance exercise training parameters for stroke recovery: A protocol for a systematic review
Notice bibliographique
Résumé
BACKGROUND: Stroke impacts nearly 14 million people annually. Muscle strength and physical function are often affected by stroke and important determinants of stroke recovery. Resistance exercise training (RT) has been shown to improve muscle strength, but RT prescriptions may be suboptimal for other aspects of stroke recovery. Parameters such as frequency, intensity, type, and duration may influence the effectiveness of RT interventions but have not been systematically evaluated. OBJECTIVES: 1) To determine the effects of RT on stroke recovery, and 2) to examine the influence of RT parameters on intervention effects. ELIGIBILITY CRITERIA: Randomized controlled trials examining the effects of RT will be eligible for this systematic review if they: 1) included only adults with stroke or transient ischemic attack, 2) compared RT to no exercise or usual care, and 3) did not apply a co-intervention. STUDY SELECTION: Eight databases (MEDLINE, EMBASE, EMCARE, AMED, PsychINFO, CINAHL, SPORTDiscus, and Web of Science) and 2 clinical trials registries (ClinicalTrials.gov and the WHO International Clinical Trials Registry Platform) will be searched from inception. Two independent pairs of authors will compare titles, abstracts, and full-text reports against the eligibility criteria. Conflicts will be resolved by consensus or third author. MAIN OUTCOME MEASURES: The construct of interest is stroke recovery. An advisory group of clinicians, researchers, and partners with lived experience of stroke will be consulted to determine specific outcome measures of interest, and to rank their relative importance. We expect to include measures of physical function, strength, cognition, and quality of life. Random-effects meta-analyses will be used to pool results for each outcome across studies, and RT parameters (frequency, intensity, type, and duration) will be used as covariates in meta-regression analyses. CONCLUSION: The results of this review will inform the optimal RT prescription parameters for promoting stroke recovery.
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 | 0,074 | 0,094 |
| Méta-épidémiologie (sens strict) | 0,006 | 0,006 |
| Méta-épidémiologie (sens large) | 0,020 | 0,018 |
| Bibliométrie | 0,015 | 0,015 |
| Études des sciences et des technologies | 0,005 | 0,005 |
| Communication savante | 0,008 | 0,010 |
| Science ouverte | 0,005 | 0,006 |
| Intégrité de la recherche | 0,007 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,065 | 0,008 |
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 ».