Split‐Belt Treadmill for Falls, Gait Asymmetry, and Freezing in Parkinson's Disease
Notice bibliographique
Résumé
BACKGROUND: Individuals with Parkinson's disease (PD) can adapt to new gait patterns on a split-belt treadmill (SBTM), a tool previously used to rehabilitate gait asymmetry because of stroke. OBJECTIVES: The goal was to determine whether SBTM rehabilitation is superior to conventional "tied" treadmill (TM) in reducing falls, freezing of gait (FOG), and improving gait asymmetry. METHODS: Twenty-eight participants with idiopathic PD and treatment-resistant FOG underwent 18 sessions of SBTM and TM training. Primary outcome was the incidence of falls 3 months after training, and secondary measures included spatiotemporal gait variables (treadmill and over-ground), motor scores, and performance on FOG and balance questionnaires. RESULTS: Treadmill training improved falls regardless of intervention (SBTM: P < 0.05; TM: P < 0.01), although benefits were not sustained at 3 months. SBTM did not meet the a priori 20% superiority threshold for falls prevention. Asymmetry index, temporal asymmetry, and stance time (P ≤ 0.01 in both groups) reduced after training. Swing time increased after training with both interventions (P ≤ 0.01). FOG and ABC scores also improved (P ≤ 0.01 in both groups), however, these improvements were not sustained at 3 months. Cadence and over-ground asymmetry index improved with both interventions (P ≤ 0.01), although only reduced cadence was sustained at 3 months (P = 0.05). Other over-ground parameters including gait velocity, stride length, double-support time improved with TM training only. CONCLUSIONS: SBTM was not superior to TM training in improving incidence of falls. Both interventions improved FOG and spatiotemporal gait parameters, although TM training translated better to over-ground walking.
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 | 0,004 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,001 |
| 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; un appel candidat d’une seule tête enseignante, 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 ».