Optimal control-driven functional electrical stimulation: A PRISMA-ScR scoping review
Notice bibliographique
Résumé
Rehabilitation after a neurological impairment can be supported by functional electrical stimulation (FES). However, FES is limited by early muscle fatigue, slowing down the recovery progress. The use of optimal control to reduce overstimulation and improve motion precision is gaining interest. This scoping review maps the current literature on optimal control for FES, clarifies best practices, persistent challenges, and outlines future research directions. Following the PRISMA-ScR guidelines, a search was conducted up to September 2025 using the combined keywords “FES”, “optimal control” or “fatigue” across five databases (Medline, Embase, CINAHL Complete, Web of Science, and ProQuest Dissertations & Theses Citation Index). Inclusion criteria included the use of optimal control with FES for healthy individuals and those with neuromuscular disorders. Among the 52 included studies, 25 were in silico and 27 in vivo , involving 94 participants, predominantly healthy young men. Twelve different motor tasks were investigated, with a focus on single-joint lower-limb movements. These studies principally used simple FES models, modulating pulse width or intensity to track joint angle. Optimal control-driven FES can produce accurate motions and reduce fatigue. Yet clinical adoption is slowed down by the lack of consensus on modeling approaches, inconvenient model identification protocols and limited validation. Additional barriers include insufficient open-science practices, inconsistent computational performance reporting and limited customizable commercial hardware availability. Comparative FES model studies and longitudinal trials with large cohorts, among other efforts, are required to improve the technology readiness level. Such advances would help clinical adoption and improve patient outcomes. • 52 studies included; cohorts are mostly small and comprised young, healthy males. • No consensus on FES model selection; rationales for choices are rarely reported. • OCP mostly address joint tracking and FES activation; methods are under-reported. • Fatigue seldom modeled or measured; only six in vivo studies show reduced fatigue. • Field maturity: approximately TRL 5; no longitudinal or clinical-workflow trials.
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 | 0,023 | 0,062 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,008 | 0,011 |
| Bibliométrie | 0,016 | 0,013 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,007 | 0,006 |
| Intégrité de la recherche | 0,006 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,015 | 0,004 |
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 ».