Does Provision of Extrinsic Feedback Result in Improved Motor Learning in the Upper Limb Poststroke? A Systematic Review of the Evidence
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Recovery of the upper limb (UL) after a stroke occurs well into the chronic stage. Stroke survivors can benefit from adaptive plasticity to improve UL movement through motor relearning. The provision of feedback has been shown to decrease the use of compensatory UL movement patterns. However, the effectiveness of feedback in improving UL motor recovery after a stroke has not yet been systematically reviewed. OBJECTIVE: The objective of this review was to systematically examine the role of extrinsic feedback on implicit motor learning after stroke, focusing on UL movement and functional recovery. RESULTS: The authors retrieved 9 studies that examined the role of feedback on UL motor recovery. Of these, 6 were randomized controlled trials (RCTs), 1 was a single-subject design, 1 was a pre-post design, and 1 was a cohort study. The studies were rated on the basis of Sackett's levels of evidence and PEDro (Physiotherapy Evidence Database) scores for RCTs. Levels of evidence were limited (level 2b) for UL motor learning of the less-affected extremity and strong (level 1a) for the more-affected extremity. DISCUSSION AND CONCLUSIONS: The results suggest that people with stroke may be capable of using extrinsic feedback for implicit motor learning and improving UL motor recovery. Emergent questions regarding the advantages of using different media for feedback delivery and the optimal type and schedule of feedback to enhance motor learning in patient populations still need to be addressed.
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.
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 | 0,002 | 0,024 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 |
| 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 découle