Feedback and Cognition in Arm Motor Skill Reacquisition After Stroke
Notice bibliographique
Résumé
BACKGROUND AND PURPOSE: A debated subject in stroke rehabilitation relates to the best type of training approach for motor recovery. First, we analyzed the effects of repetitive movement practice in 2 feedback conditions (knowledge of results [KR]; knowledge of performance, [KP]) on reacquisition of reaching. Second, we evaluated the impact of cognitive impairment on motor relearning ability. METHODS: A randomized controlled clinical trial was conducted in Montreal-area rehabilitation centers between 1998 and 2003 with 37 patients with chronic hemiparesis. Patients were randomly assigned to 3 groups: (1) KR (n=14) practiced a reaching task involving 75 repetitions per day, 5 days per week for 2 weeks, with 20% KR about movement precision; (2) KP (n=14) trained on the same task and schedule as KR but with faded KP about joint motions; and (3) control (C; n=9) practiced a nonreaching task. Physical (motor impairment, function) and kinematic (movement time, precision, segmentation, variability) variables were assessed before and after (immediately, 1 month) practice. Cognitive functions (memory, attention, mental flexibility, planning) were also evaluated. RESULTS: Kinematic gains in KR (precision) and KP (time, variability) exceeded those in C and depended on memory and mental flexibility deficits. In KP, more severely impaired patients made the most clinical gains (>2xC), which were related to memory and planning abilities. CONCLUSIONS: Use of KP during repetitive movement practice resulted in better motor outcomes. Stroke severity together with cognitive impairments are important factors for choosing motor rehabilitation interventions after stroke.
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) | 0,000 | 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 ».