Towards the integration of mental practice in rehabilitation programs. A critical review
Notice bibliographique
Résumé
Many clinical studies have investigated the use of mental practice (MP) through motor imagery (MI) to enhance functional recovery of patients with diverse physical disabilities. Although beneficial effects have been generally reported for training motor functions in persons with chronic stroke (e.g., reaching, writing, walking), attempts to integrate MP within rehabilitation programs have been met with mitigated results. These findings have stirred further questioning about the value of MP in neurological rehabilitation. In fact, despite abundant systematic reviews, which customarily focused on the methodological merits of selected studies, several questions about factors underlying observed effects remain to be addressed. This review discusses these issues in an attempt to identify factors likely to hamper the integration of MP within rehabilitation programs. First, the rationale underlying the use of MP for training motor function is briefly reviewed. Second, three modes of MI delivery are proposed based on the analysis of the research protocols from 27 studies in persons with stroke and Parkinson's disease. Third, for each mode of MI delivery, a general description of MI training is provided. Fourth, the review discusses factors influencing MI training outcomes such as: the adherence to MI training, the amount of training and the interaction between physical and mental rehearsal; the use of relaxation, the selection of reliable, valid and sensitive outcome measures, the heterogeneity of the patient groups, the selection of patients and the mental rehearsal procedures. To conclude, the review proposes a framework for integrating MP in rehabilitation programs and suggests research targets for steering the implementation of MP in the early stages of the rehabilitation process. The challenge has now shifted towards the demonstration that MI training can enhance the effects of regular therapy in persons with subacute stroke during the period of spontaneous recovery.
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 | 0,011 | 0,023 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,003 |
| Bibliométrie | 0,010 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,005 | 0,005 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».