A systematic review of upper extremity outcome measures assessed in randomized controlled trials of post stroke upper extremity rehabilitation over time
Notice bibliographique
Résumé
Background The heterogeneity in outcome measures of post stroke rehabilitation trials suggests the need for consensus approach in stroke recovery measurement. To reach this aim, it is important to understand the past and current use of outcome measures in randomized control trials (RCTs) of stroke rehabilitation.Objective To systematically review RCTs of post stroke UE rehabilitation interventions to understand the use of UE outcome measures in research and their changes over time.Methods CINAHL, Embase, PubMed, Scopus and Web of Science were searched from 1960 to 1 April 2021. Studies were eligible for inclusion if they (1) were RCTs or crossovers published in English (2) ≥50% of participants were affected by stroke, 3) included adults ≥ 18 years old, and (4) applied an intervention to the hemiparetic UE as the primary objective of the study.Results 1,276 RCTs met inclusion criteria, and 112 different outcome measures were identified. Outcome measures were classified according to the International Classification of Functioning, Disability and Health (ICF) framework. Outcome measures most frequently assessed body function and structure (n = 1,692), followed by activities (n = 1,572) and participation (n = 162). The most used outcome measures were the Fugl-Meyer Assessment (n = 619), the modified Ashworth Scale (n = 255), Action Research Arm Test (n = 211), Wolf Motor Function Test (n = 184), and Box and Block Test (n = 178).Conclusions Understanding the breadth of outcome measures that have been used over time emphasizes the need for proposed standardization of outcome measures but also the need to adjust and expand consensus recommendations based on past and ongoing research trends.
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 | 0,038 | 0,269 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,037 | 0,013 |
| Bibliométrie | 0,003 | 0,001 |
| 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 | 0,001 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».