Music listening enhances cognitive recovery and mood after middle cerebral artery stroke
Notice bibliographique
Résumé
We know from animal studies that a stimulating and enriched environment can enhance recovery after stroke, but little is known about the effects of an enriched sound environment on recovery from neural damage in humans. In humans, music listening activates a wide-spread bilateral network of brain regions related to attention, semantic processing, memory, motor functions, and emotional processing. Music exposure also enhances emotional and cognitive functioning in healthy subjects and in various clinical patient groups. The potential role of music in neurological rehabilitation, however, has not been systematically investigated. This single-blind, randomized, and controlled trial was designed to determine whether everyday music listening can facilitate the recovery of cognitive functions and mood after stroke. In the acute recovery phase, 60 patients with a left or right hemisphere middle cerebral artery (MCA) stroke were randomly assigned to a music group, a language group, or a control group. During the following two months, the music and language groups listened daily to self-selected music or audio books, respectively, while the control group received no listening material. In addition, all patients received standard medical care and rehabilitation. All patients underwent an extensive neuropsychological assessment, which included a wide range of cognitive tests as well as mood and quality of life questionnaires, one week (baseline), 3 months, and 6 months after the stroke. Fifty-four patients completed the study. Results showed that recovery in the domains of verbal memory and focused attention improved significantly more in the music group than in the language and control groups. The music group also experienced less depressed and confused mood than the control group. These findings demonstrate for the first time that music listening during the early post-stroke stage can enhance cognitive recovery and prevent negative mood. The neural mechanisms potentially underlying these effects are discussed.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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) | 0,001 | 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 ».