ENHANCE proof-of-concept three-arm randomized trial: effects of reaching training of the hemiparetic upper limb restricted to the spasticity-free elbow range
Notice bibliographique
Résumé
Post-stroke motor recovery processes remain unknown. Timescales and patterns of upper-limb (UL) recovery suggest a major impact of biological factors, with modest contributions from rehabilitation. We assessed a novel impairment-based training motivated by motor control theory where reaching occurs within the spasticity-free elbow range. Patients with subacute stroke (≤ 6 month; n = 46) and elbow flexor spasticity were randomly allocated to a 10-day UL training protocol, either personalized by restricting reaching to the spasticity-free elbow range defined by the tonic stretch reflex threshold (TSRT) or non-personalized (non-restricted) and with/without anodal transcranial direct current stimulation. Outcomes assessed before, after, and 1 month post-intervention were elbow flexor TSRT angle and reach-to-grasp arm kinematics (primary) and stretch reflex velocity sensitivity, clinical impairment, and activity (secondary). Results were analyzed for 3 groups as well as those of the effects of impairment-based training. Clinical measures improved in both groups. Spasticity-free range training resulted in faster and smoother reaches, smaller (i.e., better) arm-plane path length, and closer-to-normal shoulder/elbow movement patterns. Non-personalized training improved clinical scores without improving arm kinematics, suggesting that clinical measures do not account for movement quality. Impairment-based training within a spasticity-free elbow range is promising since it may improve clinical scores together with arm movement quality.Clinical Trial Registration: URL: http://www.clinicaltrials.gov . Unique Identifier: NCT02725853; Initial registration date: 01/04/2016.
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 | 0,003 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».