Guided Motor Imagery in Healthy Adults and Stroke: Does Strategy Matter?
Notice bibliographique
Résumé
BACKGROUND: Motor imagery (MI) enhances physical performance and skill acquisition in healthy and neurorehabilitation populations, yet little is known about the use of strategies to guide MI. OBJECTIVES: To examine the relative effectiveness of visual, auditory, and combined (visual + auditory) cueing of an imagined finger abduction task on corticomotor excitability. METHODS: A total of 15 young (20-35 years) and 15 older people (over 55 years) and 10 people with chronic stroke, who could make voluntary movements of selected muscles, participated. Motor evoked potentials (MEPs, primary outcome) were measured following transcranial magnetic stimulation applied while participants imagined abducting their index finger under guidance of cueing strategies. Amplitudes of the MEPs from the first dorsal interosseous (FDI), abductor pollicis brevis (APB), and abductor digiti minimi (ADM) muscles were compared with rest, contrasted with MEPs elicited during active task performance, and expressed relative to rest to reflect facilitation. RESULTS: Cued MI enhanced MEPs in all groups, preferentially to the target FDI muscle. In stroke, APB was also facilitated. ADM was least affected by cueing. Analyses of simple effects of condition on FDI MEPs in each group revealed that visual cueing was most effective in young people, whereas auditory cueing was most effective in healthy older people and when directed at the nonparetic side in stroke ( P < .04). On the paretic side, strategies were equally effective. In all cases, MEPs were largest during physical performance. CONCLUSIONS: Cued MI augments corticomotor excitability associated with healthy and paretic muscles related to the imagined task. Age should be considered when selecting a cueing strategy for maximum effectiveness.
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 | 0,000 |
| 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) | 0,001 | 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 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 ».