Decreasing Phantom Limb Pain Through Observation of Action and Imagery: A Case Series
Notice bibliographique
Résumé
BACKGROUND: Phantom limb pain is often resistant to treatment. Techniques based on visual-kinesthetic feedback could help reduce it. OBJECTIVE: The objective of the current study was to test if a novel intervention combining observation and imagination of movements can reduce phantom limb pain. METHODS: This single-case multiple baseline study included six persons with upper or lower limb phantom pain. Participants' pain and imagery abilities were assessed by questionnaires. After a 3-5-week baseline, participants received a two-step intervention of 8 weeks. Intervention 1 was conducted at the laboratory with a therapist (two sessions/week) and at home (three sessions/week); and Intervention 2 was conducted at home only (five times/week). Interventions combined observation and imagination of missing limb movements. Participants rated their pain level and their ease to imagine daily throughout the study. RESULTS: Time series analyses showed that three participants rated their pain gradually and significantly lower during Intervention 1. During Intervention 2, additional changes in pain slopes were not significant. Four participants reported a reduction of pain greater than 30% from baseline to the end of Intervention 2, and only one maintained his gains after 6 months. Group analyses confirmed that average pain levels were lower after intervention than at baseline and had returned to baseline after 6 months. Social support, degree of functionality, and perception of control about their lives prior to the intervention correlated significantly with pain reduction. CONCLUSIONS: Persons with phantom limb pain may benefit from this novel intervention combining observation and motor imagery. Additional studies are needed to confirm our findings, elucidate mechanisms, and identify patients likely to respond.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,004 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».