Learning Implicitly: Effects of Task and Severity After Stroke
Notice bibliographique
Résumé
Background. Disparate results have been reported on the implicit learning ability of adults with stroke. Objective. This study aimed to elucidate the relationships between stroke severity and the task employed to test implicit motor learning. Methods. Twenty-eight patients with chronic stroke were divided according to stroke severity using the Orpington prognostic score into those with mild (n = 16, score < 3.2) or moderate stroke (n = 12, score 3.2-5.0). Seventeen healthy individuals served as matched controls (HC). All participants practiced 2 implicit learning tasks, the Serial Reaction Time (SRT) and Serial Hand Movement (SHM). Results. A group-bytask-by-block interaction (P = .000) demonstrated differences across the experimental factors. Post hoc analyses revealed differences between groups and tasks. Greater change in the speed of responding was exhibited for the SHM than the SRT task by the HC and mild groups; however, the moderate group did not demonstrate a between-task difference. Conclusion. Both stroke severity and motor task influenced the magnitude of implicit learning across acquisition, which suggests for the first time that different tasks may yield disparate implicit learning outcomes in the same population. Additionally, the impact of stroke severity may be important when assessing residual implicit motor learning capability. The combination of these 2 factors helps explain previously reported contradictory findings and may inform future studies.
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 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 | 0,002 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».