Article de méthode

Interventions précoces de rééducation pour la récupération des fonctions neurologiques chez les patients souffrant d’un infarctus cérébral aigu : une méta-analyse

58 vues

⸱

DOI :

10.3791/70254

⸱

24 juillet 2026

 ,  , 
1Department of Neurology, Yixing People's Hospital, 2Department of Rehabilitation, Yixing People's Hospital

* These authors contributed equally

Dans cet article

Résumé

Ce protocole présente une méthode reproductible pour mener une méta-analyse d’études principalement est-asiatiques afin d’évaluer l’efficacité des interventions de rééducation précoces sur la récupération neurologique chez les patients souffrant d’infarctus cérébral aigu.

Résumé

L’infarctus cérébral aigu provoque un handicap neurologique important, et l’efficacité des interventions précoces basées sur la rééducation reste incertaine. Cette méta-analyse a évalué leurs effets sur la récupération neurologique. PubMed, Cochrane Library, Embase, Web of Science et China National Knowledge Infrastructure ont été recherchés pour trouver des essais contrôlés randomisés comparant des interventions basées sur la rééducation précoce avec les soins standards. Des modèles à effets aléatoires avec un maximum de vraisemblance restreint et un ajustement de Hartung-Knapp ont été appliqués, et le risque de biais a été évalué à l’aide de l’outil Cochrane Risk of Bias 2. Huit essais contrôlés randomisés (ECR) impliquant 711 patients ont été inclus dans l’analyse primaire après l’exclusion d’un traitement non RCT évaluant la thérapie de reperfusion pharmacologique sans composante de rééducation. La rééducation précoce a montré une tendance non significative à l’amélioration des scores de l’échelle d’AVC des National Institutes of Health (DMS : -2,75 ; IC à 95 % : -5,94 à 0,45 ; I2 = 95,5 % ; τ2 = 3,84), avec un large intervalle de prédiction de 95 % (-9,74 à 4,25). Les résultats cognitifs ont également montré une tendance non significative en faveur de l’intervention (DMS : -0,89 ; IC à 95 % : -1,87 à 0,09). Bien que la rééducation précoce puisse soutenir la récupération neurologique, une hétérogénéité clinique marquée, les préoccupations concernant le signalement sélectif et la base de preuves majoritairement est-asiatique limitent la confiance et la généralisabilité. Des essais plus importants et méthodologiquement rigoureux avec des rapports d’intervention standardisés sont nécessaires.

Introduction

L’infarctus cérébral aigu, communément appelé AVC ischémique, représente un défi sanitaire mondial important, représentant environ 87 % de tous les cas d’AVC dans le monde1. Cette affection survient lorsque le flux sanguin vers une région spécifique du cerveau est obstrué, entraînant une mort neuronale rapide et potentiellement des déficits neurologiques sévères2. Avec environ 13,7 millions de nouveaux cas d’AVC survenant chaque année, le fardeau sur la santé publique et les structures socio-économiques est considérable.

Au cours des dernières décennies, la prise en charge de l’infarctus cérébral aigu a connu une évolution considérable, passant d’interventions médicales purement aiguës à une réhabilitation plus précoce4. Traditionnellement, les efforts de rééducation étaient souvent retardés de plusieurs jours voire semaines après l’événement initial, en supposant que le cerveau nécessitait une période de repos5. Cependant, les avancées dans la compréhension de la neuroplasticité ont démontré que le cerveau possède une capacité remarquable de réorganisation et d’adaptation, y compris lors des stades aigus suivant lablessure 6. Des méta-analyses de modèles animaux ont confirmé que l’entraînement spécifique à chaque tâche, initié tôt après un AVC expérimental, favorise la récupération fonctionnelle par synaptogenèse et remodelagedendritique 7.

Le concept d’intervention précoce de rééducation s’est imposé comme une approche prometteuse dans la prise en charge de l’infarctus cérébral aigu. Tel qu’utilisé dans cette méta-analyse, la « rééducation précoce » est définie opérationnellement comme le lancement de tout programme thérapeutique basé sur la rééducation dans environ 72 heures (3 jours) après l’apparition des symptômes d’AVC ; Un sous-ensemble d’études utilisait une fenêtre « ultra-précoce » de <24 heures. Les lecteurs doivent toutefois noter que les études incluses variaient précisément dans la façon dont cette fenêtre a été définie etrapportée 8. La rééducation précoce englobe un large éventail d’interventions, notamment la kinésithérapie, l’ergothérapie, l’orthophonie, l’électroacupuncture et les exercices de rééducation cognitive9. Le principe sous-jacent est de tirer parti de la plasticité accrue du cerveau pendant la phase aiguë de la lésion, ce qui pourrait améliorer la récupération neurologique et les résultats fonctionnels à longterme 10.

Dans cette étude, la « fonction neurologique » désigne principalement des mesures cliniques de la gravité de l’AVC évaluées par l’échelle de l’AVC des National Institutes of Health (NIHSS) et de la cognition mesurée par des tests standardisés de la fonction cognitive. Le NIHSS évalue des éléments tels que le niveau de conscience, les mouvements oculaires, les champs visuels, la force des membres, la fonction sensorielle et le langage, tandis que les tests cognitifs peuvent inclure des domaines tels que l’orientation, la mémoire et la fonction exécutive. Cette opérationnalisation complète contribue à caractériser la nature multifacette de la récupération après un AVC.

Les bénéfices potentiels d’une intervention précoce de rééducation sont multiples. D’un point de vue neurophysiologique, la mobilisation précoce et les exercices ciblés peuvent atténuer les effets néfastes d’une immobilité prolongée, tels que l’atrophie musculaire et le déconditionnement cardiopulmonaire, comme le montrent les directives de consensusde l’Organisation européenne de l’AVC 11. De plus, une participation précoce aux activités de rééducation peut empêcher l’inutilisation apprenante des membres affectés, un phénomène qui a été opérationnellisé et étudié selon la méthodologie Delphi et qui peut entraver la guérison à longterme 12. D’un point de vue psychologique, la rééducation précoce peut jouer un rôle dans le maintien de la motivation du patient et la prévention de la dépression et de l’anxiété post-AVC, qui ont montré un impact significatif sur les trajectoires de rétablissement13.

Malgré les promesses théoriques, les preuves empiriques soutenant l’efficacité d’une réhabilitation précoce ont été mitigées. Plusieurs études ont rapporté des améliorations de la fonction neurologique et de l’indépendance fonctionnelle chez les patients bénéficiant d’une rééducation précoce par rapport à ceux recevant des soins standards14,15. Inversement, d’autres études n’ont pas démontré un avantage substantiel de l’intervention précoce par rapport aux délais traditionnels deréhabilitation 16,17. Ces incohérences peuvent être attribuées à l’hétérogénéité des plans d’étude, aux différences dans le calendrier et l’intensité des protocoles de rééducation, aux variations dans les critères de jugement et à la complexité inhérente à la récupération après un AVC.

Malgré de nombreux articles de synthèse antérieurs sur ce sujet, la méta-analyse actuelle se distingue par l’utilisation de méthodes statistiques robustes, spécifiquement adaptées à la recherche fondée sur des preuves, caractérisée par un peu peu d’études et une forte hétérogénéité. Plus précisément, cette analyse utilise l’estimation du maximum de vraisemblance restreinte (REML), qui fournit des estimations de variance moins biaisées que la méthode conventionnelle de DerSimonian-Laird (DL) lorsque le nombre d’études estfaible, 18. De plus, l’ajustement de Hartung-Knapp (HK) est appliqué aux intervalles de confiance (IC), qui tiennent compte de l’incertitude dans l’estimation de l’hétérogénéité et produisent des intervalles plus larges et plus conservateurs que l’approche standard de typeWald 19. Ces choix méthodologiques sont particulièrement importants pour la base de preuves actuelle, où une grande variabilité entre les études est anticipée en raison de la diversité des types d’interventions et des populations. De plus, les intervalles de prédiction expriment la gamme attendue d’effets réels dans les études futures, un résultat qui n’est pas systématiquement fourni dans les méta-analyses conventionnelles mais qui est essentiel à la prise de décision clinique18. L’analyse intègre également des données issues de la littérature anglaise et chinoise, enquête systématiquement sur l’hétérogénéité des sources à l’aide de multiples approches analytiques, et aborde explicitement les limites découlant de la concentration géographique des preuves.

Une limitation clé dont les lecteurs doivent être conscients dès le départ est que les études incluses couvrent un ensemble hétérogène d’interventions — allant de la rééducation motrice seule aux programmes combinés de rééducation pharmacologique et à l’électroacupuncture — ce qui pose d’importants défis pour le regroupement et l’interprétation. La présente analyse met donc l’accent sur la caractérisation de l’hétérogénéité autant que sur l’estimation d’un seul effet groupé.

À la lumière de ces considérations, cette méta-analyse a été réalisée dans le but principal d’évaluer l’impact des interventions précoces basées sur la rééducation sur la récupération de la fonction neurologique chez les patients souffrant d’infarctus cérébral aigu, en utilisant des méthodes statistiques contemporaines pour tenir compte de l’hétérogénéité de manière appropriée et fournir des estimations cliniquement significatives de l’incertitude.

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Protocole

Cette étude n’est pas soumise à un examen éthique ni au consentement des participants.

1. Stratégie de recherche de littérature

  1. Accédez aux bases de données électroniques suivantes : PubMed/MEDLINE, Registre central Cochrane des essais contrôlés, Embase, Web of Science Core Collection et China National Knowledge Infrastructure (CNKI).
  2. Dans PubMed, construisez la stratégie de recherche en combinant trois blocs de termes à l’aide de l’opérateur booléen ET.
  3. Pour le bloc d’intervention, saisissez la chaîne de recherche suivante dans le Constructeur de recherche avancé PubMed : (« Rééducation précoce » OU « Mobilisation précoce » OU « Déplacement précoce » OU « Rééducation ultra-précoce » OU « Rééducation très précoce » OU « Intervention de rééducation précoce » OU « Traitement de rééducation précoce » OU « Rééducation aiguë » OU « Kinésithérapie précoce » OU « Ergothérapie précoce » OU « Neurorééducation précoce »).
  4. Pour le bloc de la condition, saisissez les éléments suivants : (« Infarctus cérébral » OU « Infarctus cérébral » OU « AVC ischémique » OU « Accident vasculaire cérébral » ou « AVC » ou « AVC aigu » OU « Ischémie cérébrale »).
  5. Combinez les blocs d’intervention et de condition dans PubMed en utilisant les éléments suivants : (Bloc d’intervention) ET (Bloc de condition). Exécutez les résultats de recherche et d’exportation au format Systèmes d’Information de Recherche (RIS).
  6. Adapter cette syntaxe de recherche pour chaque base de données supplémentaire en remplaçant les termes des En-têtes de Sujet Médical par le vocabulaire contrôlé respectif (par exemple, Emtree pour Embase) et en ajustant les balises de champ. Pour le CNKI, traduisez les termes clés en équivalents chinois et utilisez les champs sujet et mot-clé.
  7. N’appliquez aucune restriction de langue ou de date lors de la recherche initiale.
  8. Complétez la recherche électronique en filtrant manuellement les listes de références de toutes les études incluses et des revues systématiques pertinentes. Ouvrez chaque article inclus, inspectez la liste de références et identifiez toute étude potentiellement éligible supplémentaire non relevée par la recherche dans la base de données.
  9. Effectuez le suivi des citations avant pour toutes les études incluses à l’aide de Google Scholar et Web of Science. Dans Google Scholar, localisez chaque étude incluse et cliquez sur Cité par pour vérifier l’éligibilité des articles de citation.
  10. Recherchez dans les principaux registres d’essais cliniques (ClinicalTrials.gov, Plateforme internationale des registres d’essais cliniques de l’Organisation mondiale de la santé) pour trouver des essais complets non publiés correspondant aux termes de recherche.
    REMARQUE : La recherche actuelle a couvert cinq bases de données majeures. D’autres bases de données, telles que VIP, Wanfang, SinoMed et Scopus, n’ont pas été consultées, ce qui représente une limitation potentielle. Les futures mises à jour de cette revue devraient envisager d’élargir la couverture de la base de données afin de réduire le risque d’études manquées.

2. Sélection et sélection de l’étude

  1. Importez tous les dossiers identifiés issus des recherches dans la base de données dans un logiciel de gestion des revues systématiques (par exemple, Covid). Naviguez dans le tableau de bord du projet, sélectionnez Importer, téléchargez tous les fichiers RIS/BibTeX exportés, et confirmez l’importation.
  2. Supprimez les documents en double grâce à la fonction automatisée de déduplication du logiciel. En cas de Covid, allez à l’onglet Écran ; les doublons sont signalés automatiquement. Examinez les doublons signalés et confirmez la suppression. Vérifiez manuellement qu’aucun enregistrement unique n’a été fusionné par erreur.
  3. Assigner deux évaluateurs indépendants pour examiner tous les documents au niveau du titre et du résumé. Chaque évaluateur se connecte séparément pour garantir une évaluation en aveugle.
  4. Classez chaque enregistrement en « Inclure », « Exclure » ou « Peut-être ». Appliquez les décisions basées sur le fait que le titre et le résumé suggèrent que l’étude répond aux critères de population, d’intervention, de comparaison et de résultats définis ci-dessous.
  5. Avancez tout enregistrement marqué « Inclure » ou « Peut-être » par au moins un critique à une revue en texte intégral.
  6. Récupérez le texte intégral de toutes les études potentiellement éligibles via les services de bibliothèque institutionnels, le prêt interbibliothèques ou le contact direct avec l’auteur.
  7. Appliquer les critères d’inclusion suivants lors de la révision du texte intégral :
    1. Assurez-vous que l’étude est un ECR. Assurez-vous que la population est composée de patients adultes (≥18 ans) avec un infarctus cérébral aigu confirmé par imagerie.
    2. Assurez-vous que l’intervention est un programme précoce basé sur la rééducation, initié dans environ 72 heures après l’AVC (ou ultra-précoce si elle est lancée dans les 24 heures).
    3. Assurez-vous que le groupe témoin bénéficie de soins standards ou d’une rééducation retardée. Assurez-vous que l’étude rapporte au moins l’un des résultats suivants — scores NIHSS, taux de réponse global ou scores de fonctions cognitives ; et la période de suivi est de ≥28 jours.
  8. Excluez les études dans lesquelles l’intervention principale testée est une thérapie de reperfusion pharmacologique (par exemple, un activateur de plasminogène de type tissulaire recombinant [rtPA]) sans composante de réhabilitation, car ces études n’évaluent pas l’efficacité de la rééducation.
  9. Excluez toute étude qui ne remplit aucun des critères d’inclusion ci-dessus. Documentez la raison de l’exclusion de chaque article en texte intégral dans le logiciel ou dans un tableur.
  10. Résoudre les différends entre les deux évaluateurs en organisant une rencontre en face à face ou virtuelle. Discutez de chaque dossier discrepant élément par élément, en faisant référence au texte complet et aux critères d’inclusion. Consignez la décision finale consensuelle.
  11. Si un consensus ne peut être atteint sur un dossier donné, consultez un troisième évaluateur pour arbitrage et consignez la décision arbitrée.
  12. Après avoir terminé le filtrage, générez un diagramme de flux Preferred Reporting Items for Systematic Reviews and Meta-Analyses (PRISMA) documentant le nombre d’enregistrements identifiés, de doublons supprimés, de documents filtrés, de textes intégraux évalués, et d’études incluses ou exclues, avec des raisons.
    REMARQUE : La phase de sélection est terminée lorsque tous les dossiers ont été jugés et que le schéma de flux a été finalisé.

3. Extraction des données

  1. Créez un formulaire standardisé d’extraction de données dans une application de tableau Excel (par exemple, Microsoft Excel).
  2. Incluez les colonnes suivantes : identifiant de l’étude (premier auteur et année), taille d’échantillon pour les groupes d’intervention et témoins, démographie des participants (âge moyen, répartition par sexe), description détaillée de l’intervention incluant le type (par exemple rééducation motrice, électroacupuncture, combinaison pharmacologique–rééducation), moment d’initiation (heures après AVC), fréquence et intensité des séances rapportées, durée du programme d’intervention, description du traitement du groupe témoin, Mesures de résultat utilisées, moyenne et écart type (ou erreur standard) pour les résultats continus au critère principal, nombre d’événements et nombre total de participants pour les résultats dichotomiques et la durée du suivi.
  3. Assigner deux évaluateurs indépendants pour extraire les données de chaque étude incluse. Chaque évaluateur remplit le formulaire d’extraction séparément. Une fois terminé, comparez les deux ensembles de données cellule par cellule. Résoudre les écarts en réexaminant ensemble l’article source et en notant la valeur corrigée.
  4. Pour les études dont les données manquent ou sont floues, essayez de contacter l’auteur correspondant par e-mail. Prévoyez au moins 2 semaines pour une réponse avant de procéder aux données disponibles.
    REMARQUE : La phase d’extraction des données est terminée lorsque les deux évaluateurs sont parvenus à un accord sur toutes les variables extraites pour chaque étude incluse.

4. Évaluation de la qualité

  1. Évaluer le risque de biais pour tous les ECR inclus à l’aide de l’outil Cochrane Risk of Bias 2 (RoB 2), version daté d’août 2019 ou plustard le 18.
  2. Évaluer chaque étude dans les cinq domaines suivants : biais résultant du processus de randomisation (D1), biais dû à des écarts par rapport aux interventions prévues (D2), biais dû à l’absence de données de résultats (D3), biais dans la mesure du résultat (D4) et biais dans la sélection du résultat rapporté (D5).
  3. Pour chaque domaine, répondez à toutes les questions de signalisation dans l’outil RoB 2 et attribuez un jugement de « faible risque de biais », « Certaines préoccupations » ou « Haut risque de biais » selon l’algorithme fourni dans l’outil.
  4. Dériver un jugement global de risque de biais pour chaque étude à partir des évaluations au niveau du domaine suivant l’algorithme RoB 2 : « faible risque global » si tous les domaines sont faibles, « Certaines préoccupations » si au moins un domaine soulève des préoccupations mais aucun n’est à haut risque, et « Haut risque » si au moins un domaine est à haut risque.
  5. Faites effectuer l’évaluation de manière indépendante par deux évaluateurs. Comparez les jugements domaine par domaine. Résoudre les désaccords par discussion consensuelle, en se référant à l’étude originale et au document d’orientation RoB 2. Si un consensus ne peut être atteint, consultez un troisième évaluateur.
  6. Générez un graphique résumé (montrant les proportions entre les domaines) et un graphique aux feux de circulation (montrant les jugements au niveau du domaine par étude) en utilisant le package Robvis R ou un outil de visualisation équivalent.
    REMARQUE : La phase d’évaluation de la qualité est terminée lorsque toutes les études ont été évaluées et que les graphiques ont été générés.

5. Analyse statistique

  1. Installez le logiciel R (version 4.3.1 ou ultérieure). Ouvrez la console R et installez les paquets nécessaires en exécutant ce qui suit : install.packages(c('meta,' 'metafor')). Chargez les paquets avec library(meta) et library(metafor).
  2. Pour les résultats continus (par exemple, scores NIHSS, scores de fonctions cognitives), calculez la différence moyenne standardisée (DMS) et son IC à 95 % pour chaque étude en utilisant la fonction escalc() dans Metafor avec mesure = « DME ».
  3. Pour les résultats dichotomiques (par exemple, le taux de réponse global), calculez le risque relatif (RR) et son IC à 95 % pour chaque étude en utilisant la fonction escalc() avec mesure = 'RR'.
  4. Regroupez les tailles d’effets à l’aide d’un modèle à effets aléatoires avec estimation REML. Dans R, exécutez la méta-analyse en utilisant le métapackage suivant : m <- metacont(n.e, mean.e, sd.e, n.c, mean.c, sd.c, studlab, data, sm = 'SMD', method.tau = 'REML', hakn = TRUE). Sinon, utilisez la fonction rma() dans metafor avec méthode = 'REML' et test = 'knha'.
    REMARQUE : L’ajustement HK s’applique automatiquement lorsque hakn = TRUE (méta-package) ou test = 'knha' (metafor package). Cet ajustement produit des IC plus larges et plus conservateurs que l’approche standard de type Wald, ce qui est particulièrement important lorsque le nombre d’études estfaible : 18,19.
  5. Évaluer l’hétérogénéité statistique en examinant la statistique I2 (proportion de variance due aux différences entre les études), τ2 (variance absolue entre les études) et le test Q de Cochran (p < 0,10 indique une hétérogénéité significative). Ces valeurs sont rapportées automatiquement dans la sortie de la méta-analyse.
  6. Calculez un intervalle de prédiction de 95 % pour estimer la gamme d’effets réels attendus dans les études futures. Dans la sortie du méta-package, l’intervalle de prédiction est rapporté automatiquement lorsque le modèle des effets aléatoires est ajusté. Signalez cet intervalle en même temps que l’IC.
  7. Réaliser des analyses de sous-groupes prédéfinies par type d’intervention (rééducation uniquement vs. médicament plus réhabilitation) et par timing (ultra-précoce [<24 h] vs. précoce [24–72 h]). Utilisez la fonction update() ou spécifiez les arguments du sous-groupe dans metacont(). Tester les différences de sous-groupes à l’aide de la statistique Q-entre.
  8. Effectuer une analyse de sensibilité en la limitant uniquement aux ECR, en excluant toute étude non randomisée ou à haut risque de biais. Comparez les statistiques d’estimation regroupée et d’hétérogénéité avant et après exclusion.
  9. Évaluez le biais potentiel de publication en générant un diagramme d’entonnoir standard en utilisant le funnel() et un diagramme de l’entonnoir amélioré par contours en utilisant le package metafor. Inspectez visuellement pour détecter une asymétrie.
    REMARQUE : Compte tenu du faible nombre d’études, les tests formels (par exemple, le test d’Egger) peuvent être sous-puissants et doivent être interprétés avec prudence. La phase d’analyse statistique est terminée lorsque toutes les estimations regroupées, analyses de sous-groupes, analyses de sensibilité et évaluations de biais de publication ont été générées et enregistrées.
  10. Si une hétérogénéité substantielle persiste après des analyses de sensibilité et de sous-groupes, on effectue une méta-régression exploratoire en utilisant la fonction rma() avec des covariables au niveau de l’étude (par exemple, fenêtre temporelle, statut de thérapie combinée) afin de générer des hypothèses sur les sources d’hétérogénéité.
    REMARQUE : Étant donné le nombre généralement restreint d’études, ces analyses ne sont que génératrices d’hypothèses.

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Résultats

La recherche complète de la littérature a initialement identifié 528 enregistrements potentiellement pertinents dans les cinq bases de données : PubMed (n = 74), Cochrane Library (n = 57), Embase (n = 12), Web of Science (n = 20) et CNKI (n = 365). Après suppression des doublons, 274 dossiers uniques restaient pour le filtrage. Après la revue du titre et du résumé, 186 dossiers ont été exclus pour ne pas répondre aux critères de sélection initiale. Parmi les 88 dossiers restants examinés...

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Discussion

Cette méta-analyse a évalué l’efficacité des interventions précoces basées sur la rééducation pour la récupération de la fonction neurologique chez les patients atteints d’infarctus cérébral aigu. L’analyse complète de 8 ECR (synthèse primaire) regroupant 711 participants offre des perspectives importantes tant sur les bénéfices potentiels que sur les défis importants liés à la synthèse des preuves dans ce domaine. L’analyse primaire utilisant l’estimation REML avec ajustement HK a révél...

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Déclarations de divulgation

Les auteurs affirment que la recherche a été menée en l’absence de toute relation commerciale ou financière pouvant être considérée comme un conflit d’intérêts potentiel.

Matériaux

Liste des matériaux utilisés dans cet article
NomEntrepriseNuméro de catalogueCommentaires
CNKITsinghua Univ./CNKIhttps://www.cnki.net/
Cochrane LibraryCochrane Collaborationhttps://www.cochranelibrary.com/
Cochrane RoB 2 toolCochrane Collaborationhttps://www.riskofbias.info/
CovidenceVeritas Health Innovationhttps://www.covidence.org/
EmbaseElsevierhttps://www.embase.com/
Google ScholarGoogle LLChttps://scholar.google.com/
meta R packageCRANhttps://cran.r-project.org/package=meta
metafor R packageCRANhttps://cran.r-project.org/package=metafor
Microsoft ExcelMicrosoft Corporationhttps://www.microsoft.com/excel
PubMed/MEDLINENational Library of Medicinehttps://pubmed.ncbi.nlm.nih.gov/
R software (version 4.3.1+)R Foundationhttps://www.r-project.org/
robvis R packageCRANhttps://cran.r-project.org/package=robvis
Web of ScienceClarivate Analyticshttps://www.webofscience.com/

Références

  1. GBD 2019 Stroke Collaborators. Global, regional, and national burden of stroke and its risk factors, 1990–2019:a systematic analysis for the Global Burden of Disease Study 2019. Lancet Neurol. 20 (10), 795-820 (2021).
  2. Herpich, F., Rincon, F. Management of acute ischemic stroke. Crit Care Med. 48 (11), 1654-1663 (2020).
  3. GBD 2016 Stroke Collaborators. Global, regional, and national burden of stroke, 1990–2016:a systematic analysis for the Global Burden of Disease Study 2016. Lancet Neurol. 18 (5), 439-458 (2019).
  4. Le Danseur, M. Stroke rehabilitation. Crit Care Nurs Clin North Am. 32 (1), 97-108 (2020).
  5. Gorman, C., Gustafsson, L. The use of augmented reality for rehabilitation after stroke: A narrative review. Disabil Rehabil Assist Technol. 17 (4), 409-417 (2022).
  6. Murphy, T. H., Corbett, D. Plasticity during stroke recovery: From synapse to behaviour. Nat Rev Neurosci. 10 (12), 861-872 (2009).
  7. Krakauer, J. W., et al. Getting neurorehabilitation right: What can be learned from animal models? Neurorehabil Neural Repair. 26 (8), 923-931 (2012).
  8. Ding, R., Zhang, H. Efficacy of very early mobilization in patients with acute stroke: A systematic review and meta-analysis. Ann Palliat Med. 10 (11), 11776-11784 (2021).
  9. Giuriati, S., et al. The effect of aquatic physical therapy in patients with stroke: A systematic review and meta-analysis. Top Stroke Rehabil. 28 (1), 19-32 (2021).
  10. Su, F., Xu, W. Enhancing brain plasticity to promote stroke recovery. Front Neurol. 11, 554089(2020).
  11. Kwakkel, G., et al. Motor rehabilitation after stroke: European Stroke Organisation (ESO) consensus-based definition and guiding framework. Eur Stroke J. 8 (4), 880-894 (2023).
  12. Hirsch, T., et al. A first step toward the operationalization of the learned non-use phenomenon: A delphi study. Neurorehabil Neural Repair. 35 (5), 383-392 (2021).
  13. Knapp, P., et al. Frequency of anxiety after stroke: An updated systematic review and meta-analysis of observational studies. Int J Stroke. 15 (3), 244-255 (2020).
  14. Langhorne, P., Ramachandra, S. Organised inpatient (stroke unit) care for stroke: Network meta-analysis. Cochrane Database Syst Rev. 4 (4), CD000197(2020).
  15. Cumming, T. B., et al. Very early mobilization after stroke fast-tracks return to walking: Further results from the phase II AVERT randomized controlled trial. Stroke. 42 (1), 153-158 (2011).
  16. Miranda, M. deA., et al. Early mobilization in acute stroke phase:a systematic review. Top Stroke Rehabil. 30 (2), 157-168 (2023).
  17. Sundseth, A., Thommessen, B., Rønning, O. M. Outcome after mobilization within 24 hours of acute stroke: A randomized controlled trial. Stroke. 43 (9), 2389-2394 (2012).
  18. Higgins, J. P. T., et al. Cochrane handbook for systematic reviews of interventions version 6.5 (updated august 2024). , Cochrane. Available from: www.training.cochrane.org/handbook (2024).
  19. IntHout, J., Ioannidis, J. P., Borm, G. F. The Hartung-Knapp-Sidik-Jonkman method for random effects meta-analysis is straightforward and considerably outperforms the standard DerSimonian-Laird method. BMC Med Res Methodol. 14, 25(2014).
  20. Shindo, A., et al. Treatment of acute cerebral artery occlusion using the penumbra system: Our early experience. Neurol Med Chir (Tokyo). 54 (6), 441-449 (2014).
  21. Chen, W., Liu, Q. Analysis of clinical effectiveness of early comprehensive rehabilitation treatment for patients with acute thrombotic cerebral infarction. Primary Med Forum. 28 (10), 22-24 (2024).
  22. Guo, X. Effects of early rehabilitation treatment on neurological function and motor function in patients with acute cerebral infarction. Reflex Ther Rehabil Med. 3 (1), 136-138 (2022).
  23. Fan, L., Yu, Y. P., Zhang, J. X., Li, X. T. Effect of early rehabilitation training on treatment of hemiplegic patients with acute cerebral infarction. Clin Med Res Pract. 4 (8), 167-168 (2019).
  24. Dai, X. Y., Wang, Y., Chen, W. Study on the therapeutic effect and mechanism of early rehabilitation training on hemiplegic patients with acute cerebral infarction. Chongqing Med. 46 (21), 2940-2944 (2017).
  25. Ma, C. C., et al. Curative effect of intravenous thrombolysis combined with super early neurological rehabilitation in acute cerebral infarction patients. J Am Geriatr Soc. 67 (S1), S603(2019).
  26. Zeng, F. J., et al. Effects of notoginseng extract and early rehabilitation on the microcirculation and hemorheology in patients with cerebral infarction. Chin J Clin Rehabil. 8 (31), 7078-7080 (2004).
  27. Liu, L. L., Liu, P. N., Li, X. A., Li, Y. N. Ultra-early electroacupuncture rehabilitation for intravenous thrombolysis-induced cerebral infarction. Eur Rev Med Pharmacol Sci. 27 (21), 10419-10426 (2023).
  28. Huang, F. Q., et al. Add-on therapy with frozylane for the early rehabilitation of neurological impairment in acute cerebral infarction. Chin J Clin Rehabil. 8 (7), 1210-1211 (2004).
  29. Zeiler, S. R., Bhatt, D. L., Engel, A. K. Should we care about early post-stroke rehabilitation? A review of its benefits, harms, and the critical time window. Stroke. 51 (3), e27(2020).
  30. Rost, N. S., et al. Post-stroke cognitive impairment and dementia. Circ Res. 130 (8), 1252-1271 (2022).
  31. Milosevich, E. T., et al. Domain-specific cognitive impairment 6 months after stroke: The value of early cognitive screening. Int J Stroke. 19 (3), 331-341 (2024).
  32. Jokinen, H., et al. Post-stroke cognitive impairment is common even after successful clinical recovery. Eur J Neurol. 22 (9), 1288-1294 (2015).
  33. Bernhardt, J., et al. Early mobilization after stroke: Early adoption but limited evidence. Stroke. 46 (4), 1141-1146 (2015).
  34. Rethnam, V., et al. Early mobilization after stroke: Do clinical practice guidelines support clinicians’ decision-making? Front Neurol. 12, 606525(2021).
  35. Levin, M. F., Demers, M. Motor learning in neurological rehabilitation. Disabil Rehabil. 43 (24), 3445-3453 (2021).
  36. Naito, Y., et al. Association between out-of-bed mobilization and complications of immobility in acute phase of severe stroke: A retrospective observational study. J Stroke Cerebrovasc Dis. 29 (10), 105112(2020).
  37. Siniscalchi, A. Use of stroke scales in clinical practice: Current concepts. Turk J Emerg Med. 22 (3), 119-124 (2022).
  38. Liu, N., et al. Randomized controlled trial of early rehabilitation after intracerebral hemorrhage stroke: Difference in outcomes within 6 months of stroke. Stroke. 45 (12), 3502-3507 (2014).
  39. VanGilder, J. L., et al. Post-stroke cognitive impairments and responsiveness to motor rehabilitation: A review. Curr Phys Med Rehabil Rep. 8 (4), 461-468 (2020).
  40. Bernhardt, J., et al. Early rehabilitation after stroke. Curr Opin Neurol. 30 (1), 48-54 (2017).

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Réimpressions et autorisations

Demander l’autorisation de réutiliser le texte ou les figures de cet article JoVE

Demander une autorisation

Mots-clés

NeurosciencesNum ro 233Num ro 233accident vasculaire c r bral isch miquer cup ration neurologiquechelle NIH Stroke Scale

Articles connexes