Training With Virtual Visual Feedback to Alleviate Phantom Limb Pain
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: Performing phantom movements with visual virtual feedback, or mirror therapy, is a promising treatment avenue to alleviate phantom limb pain. However the effectiveness of this approach appears to vary from one patient to another. OBJECTIVE: To assess the individual response to training with visual virtual feedback and to explore factors influencing the response to that approach. METHODS: Eight male participants with phantom limb pain (PLP) resulting from either a traumatic upper limb amputation or a brachial plexus avulsion participated in this single case multiple baseline study. Training was performed 2 times per week for 8 weeks where a virtual image of a missing limb performing different movements was presented and the participant was asked to follow the movements with his phantom limb. RESULTS: Patients reported an average 38% decrease in background pain on a visual analog scale (VAS), with 5 patients out of 8 reporting a reduction greater than 30%. This decrease in pain was maintained at 4 weeks postintervention in 4 of the 5 participants. No significant relationship was found between the long-term pain relief and the duration of the deafferentation or with the immediate pain relief during exposure to the feedback. CONCLUSIONS: These results support the use of training with virtual feedback to alleviate phantom limb pain. Our observations suggest that between-participant differences in the effectiveness of the treatment might be related more to a difference in the susceptibility to the virtual visual feedback, than to factors related to the lesion, such as the duration of the deafferentation.
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 | 0,000 |
| 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