La marche sur tapis roulant en réadaptation: revue des évidences pour différentes populations
Bibliographic record
Abstract
Objectif: Déterminer la pertinence de la marche sur tapis roulant en réadaptation.Méthodologie: Une revue de littérature a été effectuée portant sur la biomécanique de la marche sur tapis roulant et au sol, ainsi que sur l'efficacité des paramètres, outils et approches émergentes accompagnant l'utilisation d'un tapis roulant pour améliorer la fonction à la marche, chez différentes populations, avec une évaluation du niveau d'évidence actuel.Les bases de données utilisées sont Medline, Embase, PEDro, Rehabdata, Cinhal et Cochrane database of systematic reviews.Résultats et discussion: 159 articles, ayant des devis expérimentaux variant d'études préliminaires à des méta-analyses, sont inclus dans l'analyse, qui regroupe les résultats concernant des populations de tout âge ayant des atteintes neurologiques, cardio-respiratoires ou musculo-squelettiques.Les principaux paramètres améliorés sont la vitesse et l'endurance à la marche, mais aussi la symétrie et les amplitudes articulaires à la marche, la force et la coordination des membres inférieurs, l'équilibre et certains paramètres cardiorespiratoires.Les meilleures preuves concernent la combinaison du tapis roulant avec un support de poids, des orthèses robotisées ou une haute intensité.Les résultats sont en général équivalents ou légèrement supérieurs à ceux retrouvés à la marche au sol, malgré quelques données contradictoires, en accord avec l'absence de différences biomécaniques majeures entre ces deux modes de locomotion.Conclusion: La marche sur tapis roulant est indiquée, en particulier pour la clientèle neurologique, pour laquelle le nombre d'études est actuellement le plus important.Plus d'études seront nécessaires pour appuyer l'utilité de l'ensemble des modalités et motiver leur utilisation en clinique chez les autres clientèles.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.016 | 0.069 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.004 | 0.002 |
| Bibliometrics | 0.003 | 0.005 |
| Science and technology studies | 0.001 | 0.002 |
| Scholarly communication | 0.005 | 0.004 |
| Open science | 0.003 | 0.002 |
| Research integrity | 0.003 | 0.002 |
| Insufficient payload (model declined to judge) | 0.008 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".