Effect of biofeedback electrical stimulation combined with early intensive rehabilitation training on stroke rehabilitation
Notice bibliographique
Résumé
OBJECTIVES: To investigate the efficacy of biofeedback electrical stimulation combined with early intensive rehabilitation training on cerebral blood circulation, neurological function recovery, motor performance, and self-care abilities in stroke patients. METHODS: A retrospective analysis was conducted on 120 stroke patients admitted to the Affiliated Hangzhou First People's Hospital, School of Medicine, Westlake University from September 2021 to October 2023. Patients were divided into an observation group (n=60) receiving the combined treatment and a control group (n=60) receiving standard rehabilitation. Efficacy was evaluated through the analysis of brain-derived neurotrophic factor (BDNF) and nerve growth factor (NGF) levels, as well as assessments of several clinical variables, including Peak Systolic Velocity (PSV), Mean Velocity (Vm), Resistance Index (RI), Fugl-Meyer Assessment (FMA), Mini-Mental State Examination (MMSE), Montreal Cognitive Assessment (MoCA), Berg Balance Scale (BBS), National Institutes of Health Stroke Scale (NIHSS), Modified Barthel Index (MBI), and Stroke-Specific Quality of Life Scale (SS-QOL). Measurements were taken before treatment and upon completion. RESULTS: The findings revealed that the combination of electrical stimulation with early rehabilitation exercises significantly improved cerebral blood flow in stroke patients. This approach accelerated the recovery of neurological functions, enhanced motor skills, and improved self-care capabilities among participants. The results demonstrated substantial treatment benefits alongside a favorable safety profile. CONCLUSIONS: The integration of biofeedback electrical stimulation with intensive rehabilitation exercises significantly enhances neurological and motor function recovery in stroke patients while promoting better self-care skills, all within a safe treatment framework. This approach warrants further clinical research and potential implementation.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».