MétaCan
Menu
← Retour à la cohorte
Enregistrement W6902016733 · doi:10.6084/m9.figshare.19687277.v1

Developing a framework for utilizing adjunct rehabilitation therapies in motor recovery of upper extremity post stroke

2022· article· en· W6902016733 sur OpenAlexaff

Notice bibliographique

RevueFigshare · 2022
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiquePaleontology and Stratigraphy of Fossils
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésAdjunctRehabilitationStroke (engine)Psychological interventionAugmentStroke recoveryStandardization

Résumé

récupéré en direct d'OpenAlex

Standardization of first principles has transformed stroke rehabilitation in developed countries and helped guide the appropriate allocation of resources to ensure better outcomes for patients. There have been challenges in incorporating new evidence into stroke rehabilitation practices. The sheer number of RCTs can be daunting to the average clinician, made worse by the lack of a framework for their application. To develop a framework for the introduction of adjunct practices for the motor recovery of the upper extremity post stroke into clinical practice. A literature search following PRISMA guidelines revealed 1,307 RCTs involving rehabilitation interventions for the hemiparetic upper extremity post stroke. Therapies were divided into three categories of therapies: (1) Basic Conventional Therapy Approaches (<15% of interventions), (2) Adjunct Therapies Designed to Enhance Conventional Therapies (>85% of interventions), and (3) Treatment to Manage Complications (~9% of interventions). Adjunct Therapies, despite having a spectacular evidence base, are often not employed clinically. To encourage their clinical use, we have developed a framework that divides adjunct therapies into two categories: (1) Treatments that Stimulate the Brain (i.e. rTMS, mental practice, and virtual reality) and (2) Treatments that Peripherally Facilitate the Hemiparetic Upper Extremity (i.e. robotics, EMG Biofeedback, and Constraint-induced Movement Therapy). To allow stroke rehabilitation to continue to improve upper extremity recovery and outcomes, we propose a new intuitive framework that is based on a strong evidence base to guide clinicians and improve stroke rehabilitation.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,142
score de la tête « metaresearch » (Gemma)0,087
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,142
Score d'incertitude au seuil0,751

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,1420,087
Méta-épidémiologie (sens strict)0,0050,002
Méta-épidémiologie (sens large)0,0050,010
Bibliométrie0,0260,010
Études des sciences et des technologies0,0070,025
Communication savante0,0130,015
Science ouverte0,0110,014
Intégrité de la recherche0,0110,010
Charge utile insuffisante (le modèle a refusé de juger)0,0060,002

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.

Tête enseignante Opus0,042
Tête enseignante GPT0,263
Écart entre enseignants0,221 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFigshare→Même sujetPaleontology and Stratigraphy of Fossils→Travaux en français237 207→