Prescribing strength training for stroke recovery: a systematic review and meta-analysis of randomised controlled trials
Notice bibliographique
Résumé
OBJECTIVE: To examine the effects of strength training on patient-important outcomes of stroke recovery and to quantify the influence of the exercise prescription on treatment effects. DESIGN: Systematic review and meta-analysis. DATA SOURCES: Eight electronic databases (MEDLINE, EMBASE, EMCARE, AMED, PsycINFO, CINAHL, SPORTDiscus, and Web of Science) and two clinical trial registries (ClinicalTrials.gov and WHO International Clinical Trials Registry Platform) were searched from inception to 19 June 2024. ELIGIBILITY CRITERIA: Randomised controlled trials were eligible if they examined the effects of strength training compared with no exercise or usual care and reported at least one exercise prescription parameter. An advisory group of community members with lived experience of stroke helped inform outcomes most relevant to stroke recovery. RESULTS: Forty-two randomised trials (N=2204) were included. Overall risk of bias was high across most outcomes. Strength training improved outcomes rated as 'critical for decision-making' by the advisory group, including walking capacity (standardised mean difference (SMD)=0.95 (95% CI 0.34-1.56)), balance (SMD=1.13 (0.51-1.75)), functional ability and mobility (SMD=0.61 (0.09-1.14)), and habitual (mean difference (MD)=0.05 m/s (0.02-0.09)) and fast-paced walking speed (MD=0.09 m/s (0.01-0.17)), with very low to moderate certainty of evidence, mainly due to risk of bias and inconsistency. More frequent strength training, traditional strength training programmes and power-focused intensities (ie, emphasis on movement velocity) were positively associated with walking capacity, health-related quality of life and fast-paced walking speed. CONCLUSION: Strength training alone or combined with usual care improves stroke recovery outcomes that are important for decision-making. More frequent strength training, power-focused intensities and traditional programme designs may best support stroke recovery. PROSPERO REGISTRATION NUMBER: CRD42023414077.
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 | 0,036 | 0,099 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,027 | 0,035 |
| Bibliométrie | 0,008 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 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 ».