Effectiveness of Functional Electrical Stimulation Assisted Locomotor Training on walking Outcomes Following Incomplete Spinal Cord Injury: Systematic Review and Meta-Analysis
Notice bibliographique
Résumé
Introduction Functional electrical stimulation (FES) may enhance the impact of locomotor training on walking impairments following spinal cord injury (SCI). Objective This systematic review (PROSPERO: CRD42023435210) evaluated the therapeutic effectiveness of FES-assisted locomotor training (FALT) on improving walking speed and endurance for individuals with motor incomplete SCI (iSCI). Methods Databases (MEDLINE, EMBASE, CINAHL) were searched for interventional studies of FALT in iSCI that assessed the therapeutic effects on walking speed and/or endurance when the FES was not active. Study characteristics and findings were extracted, summarized, and narratively synthesized. Risk of bias was assessed using the Cochrane tools for interventional studies. Random effects meta-analyses were conducted to generate standardized pooled effect sizes for both outcomes. Results Thirteen studies were identified: 4 randomized controlled trials (RCTs) and 9 pre-post tests. RCTs scored low ( n = 1 study), intermediate ( n = 1), and high ( n = 2) on the RoB2, and all pre-post tests studies ( n = 9) scored high on the ROBINS-I. Meta-analyses of 3 RCTs found that treadmill-based FALT was associated with a small, non-significant effect on walking speed ( n = 76 participants; Hedge’s g : −0.01; 95% CI: −0.46, 0.43; P = .96) and a small, non-significant effect on walking endurance ( n = 71; Hedge’s g : 0.20; 95% CI: −0.25, 0.65; P = .39) when compared to control conditions. Discussion This review did not find evidence that FALT improves walking speed or endurance for people with iSCI relative to other types of locomotor training. Future trials of FALT for SCI should aim to better standardize and report training dose and stimulation parameters to improve comparability.
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 | 0,014 | 0,037 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,017 | 0,027 |
| Bibliométrie | 0,005 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».