MétaCan
Menu
Retour à la cohorte
Enregistrement W2065568422 · doi:10.1097/npt.0b013e3182a3d353

Motor Skill Learning Is Associated With Diffusion Characteristics of White Matter in Individuals With Chronic Stroke

2013· article· en· W2065568422 sur OpenAlexafffund
Michael R. Borich, Katlyn E. Brown, Lara A. Boyd

Notice bibliographique

RevueJournal of Neurologic Physical Therapy · 2013
Typearticle
Langueen
DomaineMedicine
ThématiqueAdvanced Neuroimaging Techniques and Applications
Établissements canadiensUniversity of British ColumbiaBGC Engineering (Canada)
Organismes subventionnairesEunice Kennedy Shriver National Institute of Child Health and Human DevelopmentNational Institute of Neurological Disorders and StrokeCanadian Institutes of Health Research
Mots-clésDiffusion MRIWhite matterFractional anisotropyPsychologyStroke (engine)Physical medicine and rehabilitationInternal capsuleMotor learningRehabilitationPhysical therapyMedicineNeuroscienceMagnetic resonance imaging

Résumé

récupéré en direct d'OpenAlex

BACKGROUND AND PURPOSE: Imaging advances allow investigation of white matter after stroke; a growing body of literature has shown links between diffusion-based measures of white matter microstructure and motor function. However, the relationship between these measures and motor skill learning has not been considered in individuals with stroke. The aim of this study was to investigate the relationships between posttraining white matter microstructural status, as indexed by diffusion tensor imaging within the ipsilesional posterior limb of the internal capsule (PLIC), and learning of a novel motor task in individuals with chronic stroke. METHODS: A total of 13 participants with chronic stroke and 9 healthy controls practiced a visuomotor pursuit task across 5 sessions. Change in motor behavior associated with learning was indexed by comparing baseline performance with a delayed retention test. Fractional anisotropy (FA) indexed at the retention test was the primary diffusion tensor imaging-derived outcome measure. RESULTS: In individuals with chronic stroke, we discovered an association between posttraining ipsilesional PLIC FA and the magnitude of change associated with motor learning; hierarchical multiple linear regression analyses revealed that the combination of age, time poststroke, and ipsilesional PLIC FA posttraining was associated with motor learning-related change (R = 0.649; P = 0.02). Baseline motor performance was not related to posttraining ipsilesional PLIC FA. DISCUSSION AND CONCLUSIONS: Diffusion characteristics of posttraining ipsilesional PLIC were linked to the magnitude of change in skilled motor behavior. These results imply that the microstructural properties of regional white matter indexed by diffusion behavior may be an important factor to consider when determining potential response to rehabilitation in persons with stroke. VIDEO ABSTRACT AVAILABLE: (see Video, Supplemental Digital Content 1, http://links.lww.com/JNPT/A59) for more insights from the authors.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,141
Score d'incertitude au seuil0,308

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,025
Tête enseignante GPT0,296
Écart entre enseignants0,271 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations47
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Neurologic Physical TherapyMême sujetAdvanced Neuroimaging Techniques and ApplicationsTravaux en français237 207