Combining robotics and functional electrical stimulation for assist-as-needed support of leg movements in stroke patients: A feasibility study
Notice bibliographique
Résumé
PURPOSE: Rehabilitation technology can be used to provide intensive training in the early phases after stroke. The current study aims to assess the feasibility of combining robotics and functional electrical stimulation (FES), with an assist-as-needed approach to support actively-initiated leg movements in (sub-)acute stroke patients. METHOD: Nine subacute stroke patients performed repetitions of ankle dorsiflexion and/or knee extension movements, with and without assistance. The assist-as-needed algorithm determined the amount and type of support needed per repetition. The number of repetitions and range of motion with and without assistance were compared with descriptive statistics. Fatigue scores were obtained using the visual analogue scale (score 0-10). RESULTS: Support was required in 44 % of the repetitions for ankle dorsiflexion and in 5 % of the repetitions of knee extension, The median fatigue score was 2.0 (IQR: 0.2) and 4.0 (IQR: 1.5) for knee and ankle, respectively, indicating mild to moderate perceived fatigue. CONCLUSION: This study demonstrated the feasibility of assist-as-needed assistance through combined robotic and FES support of leg movements in stroke patients. It proved particularly useful for ankle dorsiflexion. Future research should focus on implementing this approach in a clinical setting, to assess clinical applicability and potential effects on leg function.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».