Rehabilitation interventions for improving gait for people with multiple sclerosis: A scoping review of reviews
Notice bibliographique
Résumé
BACKGROUND: Evidence for rehabilitation interventions to improve gait outcomes for people with multiple sclerosis (PwMS) has not been previously mapped, despite the prevalence and impact of gait impairment in MS. This review of reviews aimed to map the scope of physical based rehabilitation interventions intended to improve objective gait outcomes in PwMS. METHODS: We conducted a scoping review of reviews searching five databases, from inception to January 2024, focusing on "Multiple Sclerosis", "Rehabilitation," "gait," and "systematic review". A narrative synthesis of evidence was used due to the significant data heterogeneity. Evidence Mapping, using the corrected covered area (CCA), was applied to assess the degree of overlap among included reviews. Quality appraisal was conducted using the Joanna Briggs Institute (JBI) Checklist for Systematic Reviews and Research Syntheses. RESULTS: Out of 409 identified reviews, 67 met inclusion criteria and 56 were classified as high-quality reviews. Exercise training was the most commonly investigated intervention, followed by whole-body vibration and robot-assisted gait training. The most frequently used gait assessment tools were 10-Meter Walk Test and Timed 25-Foot Walk Test (for gait speed), 6-Minute Walk Test (for gait endurance), and Timed Up and Go Test (for functional mobility). CONCLUSION: This review highlights a substantial body of evidence, yet also reveals considerable overlap reported in CCA scores across the included reviews for most of interventions. To maximize clinical impact, future research must move beyond broad generalizations and focus on developing targeted evidence for specific groups of PwMS based on age groups, disability level, and functional goals.
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 | 0,002 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,006 | 0,003 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| 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; 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 ».