Evidence-Based Physiotherapeutic Interventions Enhancing Hand Dexterity, Activities of Daily Living and Quality of Life of Parkinson’s Disease Patients: A Systematic Review
Notice bibliographique
Résumé
OBJECTIVES: This systematic review primarily aims to identify the optimal physiotherapeutic intervention to improve hand dexterity in Parkinson's Disease (PD) patients. The secondary objectives were to identify the hand dexterity physiotherapeutic interventions available for PD patients, and to determine the quality of these interventions. REVIEW METHODS: Eight electronic databases were systematically searched to identify relevant randomized controlled trial full-text articles using the established search strategy. The primary outcomes of interest were measurements for hand dexterity and activities of daily living (ADL). RESULTS: A total of 11 studies comprising 647 participants with PD were included. Most studies had a high risk of performance bias and an unclear risk of selection bias. The intervention training period ranged from a single session to 12 weeks. Compared to their respective control group, eight out of 11 studies revealed significant results in hand dexterity, two out of three studies reported positive effects on ADL, four of seven studies showed significant improvements in upper limb motor performance, and two studies perceived positive benefits in terms of overall quality of life. Five out of 11 studies that recorded the occurrence of adverse events reported no adverse events post-intervention. CONCLUSION: The dearth of evidence made it difficult to support any one intervention as the best intervention when compared to the other PD treatments in upper limb rehabilitation. Regardless, a home-based dexterity rehabilitation programme is still a promising approach to enhance dexterity-related functional abilities.
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 | 0,005 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,006 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».