Exoskeleton Training for Spinal Cord Injury Neuropathic Pain (ExSCIP): Protocol for a Phase 2 Feasibility Randomised Trial
Notice bibliographique
Résumé
Background: Following Spinal Cord Injury (SCI), 53% of people develop neuropathic pain (NP). NP can be more debilitating than other consequences of SCI, and a persistent health issue. Pharmacotherapies are commonly recommended for NP management in SCI, although severe pain often remains refractory to these treatments in many sufferers. Furthermore, poor medication adherence exists, stemming from unacceptable side-effects and fear of dependency.Sensorimotor stimulation using active walking with robotic assistance has not been well studied in NP after SCI, despite convincing locomotor-based pre-clinical studies, identifying prevention and reversal of NP.Our primary aim is to assess the impact of exoskeleton-based walking on NP intensity and interference after SCI and examine feasibility outcomes for progression to a definitive trial. Methods: This is a phase 2 single-blinded, randomised feasibility study. It will test the feasibility and acceptability of exoskeleton-based walking 3 times per week for 12 weeks (intervention), as a mechanistic-based intervention for NP after SCI. The comparator will be an equally dosed, blended relaxation programme devoid of motor imagery prompts. 40 participants with moderate-to-severe NP post SCI will be recruited and randomised to intervention and comparator groups.The primary outcomes are feasibility outcomes for progression to definitive trial which include recruitment and retention rates, adverse events and acceptability of the intervention.Secondary outcomes explore changes in NP intensity and interference as measured by the International Spinal Cord Injury Pain Basic Data Set 3.0 (ISCIPBDS) at baseline, post-intervention (week 13) and at 6-month follow-up. Conclusions: There is a need to explore non-pharmacological management of NP after SCI. The findings of this feasibility trial will inform the development of a future multicentre, international RCT. Trial Registration: NCT06463418, 08/07/2024, https://clinicaltrials.gov/study/NCT06463418.
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 | 0,034 | 0,026 |
| Méta-épidémiologie (sens strict) | 0,007 | 0,004 |
| Méta-épidémiologie (sens large) | 0,009 | 0,005 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,004 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,004 | 0,003 |
| Intégrité de la recherche | 0,008 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,077 | 0,016 |
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 ».