Botulinum Toxin Combined with Robot-Assisted Therapy for Post-Stroke Spasticity: A Systematic Review
Notice bibliographique
Résumé
(1) Background: Post-stroke spasticity limits motor recovery and independence. Combining botulinum toxin type-A (BoNT-A) injection with intensive, task-specific robot-assisted therapy (RAT) might enhance neuroplasticity and functional gains, but its additive effect and optimal timing are uncertain. (2) Methods: We systematically searched major medical databases and trial registries up to April 2025 for randomized controlled trials in adults with post-stroke spasticity comparing botulinum toxin type-A injection plus RAT with toxin injection plus conventional therapy, or RAT alone with RAT combined with toxin injection. Risk of bias was assessed using the RoB 2 tool, and findings were synthesized narratively. (3) Results: Seven trials (n = 229) were included. Across all studies, toxin treatment reduced spasticity within groups, whereas additional spasticity reduction with RAT versus conventional rehabilitation was inconsistent. In contrast, several lower-limb trials reported greater improvements in walking capacity and balance when RAT was added, while upper-limb trials showed comparable motor recovery across treatment arms with occasional advantages in strength and movement quality. A pilot four-arm study suggested that starting RAT around four weeks after injection may maximize upper-limb motor gains. (4) Conclusions: The combination of BoNT-A with RAT appears safe and is particularly promising for gait rehabilitation, but further research is needed to define optimal timing and protocols.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».