Greater Activation of Secondary Motor Areas Is Related to Less Arm Use After Stroke
Notice bibliographique
Résumé
Background. Past studies have identified reorganization of brain activity in relation to motor outcome through standardized laboratory measures, which are quantifiable surrogates for arm use in real life. In contrast, accelerometers can provide a real-life estimate of arm and hand usage. Methods. Ten persons with chronic, subcortical stroke and 10 healthy controls of similar age performed a squeeze motor task at 40% maximum voluntary contraction during functional magnetic resonance imaging (fMRI). Use of the upper extremity was quantified over 3 consecutive days using wrist accelerometers. Correlations were performed between arm use and peak percent signal change (PSC) during grasp force production in 6 regions of interest (ROIs): bilateral primary motor cortex (M1), supplementary motor area (SMA), and premotor cortex (PM). Results. Results demonstrate that in healthy controls, PSC across all ROIs did not show a relationship between arm use and brain activation during force production. In contrast, after stroke, contralesional PM and M1 showed a significant ( P ≤ .05) correlation between increasing activation and decreasing paretic arm use, whereas ipsilesional PM showed a significant correlation ( P ≤ .05) between increasing activation and decreasing nonparetic arm use. Conclusions. The results of this pilot study demonstrate a negative relationship between brain activation and actual arm use after stroke. Larger studies using accelerometers that can detect amount and types of movement may offer further insight into brain reorganization and rehabilitation interventions.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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) | 0,003 | 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 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 ».