Effects of Noninvasive Brain Stimulation on Language Networks and Recovery in Early Poststroke Aphasia
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 AND PURPOSE: Modulation of activity in language networks using repetitive transcranial magnetic stimulation (rTMS) may possibly support recovery from poststroke aphasia. Case series and feasibility studies seem to indicate a therapeutic effect; however, randomized sham-controlled, proof-of-principle studies relating clinical effects to activation patterns are missing. METHODS: Twenty-four patients with subacute poststroke aphasia were randomized to a 10-day protocol of 20-minute inhibitory 1 Hz rTMS over the right triangular part of the posterior inferior frontal gyrus or sham stimulation, followed by 45 minutes of speech and language therapy. Activity in language networks was measured with O-15-water positron emission tomography during verb generation before and after treatment. Language performance was assessed using the Aachen Aphasia Test battery. RESULTS: The primary outcome measure, global Aachen Aphasia Test score change, was significantly higher in the rTMS group (t test, P=0.003). Increases were largest for subtest naming (P=0.002) and tended to be higher for comprehension, token test, and writing (P<0.1). Patients in the rTMS group activated proportionally more voxels in the left hemisphere after treatment than before (difference in activation volume index) compared with sham-treated patients (t test, P=0.002).There was a moderate but significant linear relationship between activation volume index change and global Aachen Aphasia Test score change (r2=0.25; P=0.015). CONCLUSIONS: Ten sessions of inhibitory rTMS over the right posterior inferior frontal gyrus, in combination with speech and language therapy, significantly improve language recovery in subacute ischemic stroke and favor recruitment of left-hemispheric language networks.
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 | 0,001 |
| 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