Biofeedback for Movement Disorders (Dystonia with Parkinson's Disease): Theory and Preliminary Results
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.This paper presents a theoretical framework for using a combination of EEG biofeedback plus regular biofeedback with clients who have movement disorders.Method.A case study is included that describes intervention and results with a 47-year-old woman with the dual diagnosis of Parkinson's disease and dystonia.The rational for adding biofeedback interventions to traditional medical treatment hinges on the fact that muscle spindles, which are involved in muscle movement and tone, have double innervations, cholinergic and sympathetic (Passatore, Grassi, & Filippi, 1985).Both of these systems can be operantly conditioned using biofeedback.There were two learning goals: (1) increase the production of 12 to 15 Hz activity since this sensor motor rhythm (SMR) is associated with decreased firing of the red nucleus and the red nucleus, in turn, has links to the muscle spindles (Sterman, 2000); (2) train for calm, relaxed autonomic nervous system functioning (decreased sympathetic drive and parasympathetic ascendance) because this may also have a beneficial effect on muscle tone by means of influencing muscle spindle activity (Banks, Jacobs, Gevirtz, & Hubbard, 1998).Training for balanced autonomic system functioning is facilitated by diaphragmatic breathing at a rate of about six breaths per minute.Diaphragmatic breathing results in respiration and heart rate variability, presented as a line graph, following
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 | 0,000 | 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 découle