Investigating the optimal reactive balance training intensity in people with chronic stroke: Study protocol for a randomized control trial
Notice bibliographique
Résumé
Stroke significantly contributes to long-term disability, one of the problems is with impaired balance control, increasing the risk of falls. The risk of falls may be mitigated using reactive balance training (RBT) which has been shown to effectively reduce fall risk by enhancing reactive stepping following repeated balance perturbations. However, the optimal RBT intensity for people with chronic stroke remains unknown. The purpose of this assessor-blinded randomized controlled trial is to investigate the optimal intensity of RBT by comparing high-intensity, moderate-intensity, and walking control groups among 63 individuals with chronic stroke. Participants will undergo four consecutive days of training, with outcomes assessed pre- and post-training and at a one-year follow-up. The primary outcomes are reactive stepping ability, measured using number of steps required to recover balance from a novel perturbation. Secondary outcomes include rates of adverse events, functional balance, falls efficacy, and participation in daily activities. We hypothesize that high-intensity RBT will yield faster adaptations and greater retention compared to moderate-intensity and walking. Determining the optimal RBT intensity could substantially enhance clinical guidelines for stroke rehabilitation, optimize therapy efficiency, and improve patient outcomes by reducing fall risk and improving functional independence. ClinicalTrials.gov ID: NCT06555016.
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 | 0,021 | 0,025 |
| Méta-épidémiologie (sens strict) | 0,006 | 0,003 |
| Méta-épidémiologie (sens large) | 0,012 | 0,005 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,003 | 0,003 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,007 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,046 | 0,008 |
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 ».