Methods of muscle spasticity assessment in children with cerebral palsy: a scoping review
Notice bibliographique
Résumé
BACKGROUND: Evaluating muscle spasticity in children with cerebral palsy (CP) is essential for determining the most effective treatment strategies. This scoping review assesses the current methods used to evaluate muscle spasticity, highlighting both traditional and innovative technologies, and their respective advantages and limitations. METHODS: A search (to April 2024) used keywords such as muscle spasticity, cerebral palsy, and assessment methods. Selection criteria included articles involving CP children, assessing spasticity objectively/subjectively, comparing methods, or evaluating method effectiveness. RESULTS: From an initial pool of 1971 articles, 30 met our inclusion criteria. These studies collectively appraised a variety of techniques ranging from well-established clinical scales like the modified Ashworth Scale and Tardieu Scale, to cutting-edge technologies such as real-time sonoelastography and inertial sensors. Notably, innovative methods such as the dynamic evaluation of range of motion scale and the stiffness tool were highlighted for their potential to provide more nuanced and precise assessments of spasticity. The review unveiled a critical insight: while traditional methods are convenient and widely used, they often fall short in reliability and objectivity. CONCLUSION: The review discussed the strengths and limitations of each method and concluded that more reliable methods are needed to measure the level of muscle spasticity more accurately.
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 | 0,013 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| 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 | 0,004 |
| 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 ».