MétaCan
Menu
Retour à la cohorte
Enregistrement W2146808998 · doi:10.2522/ptj.20060229

Game-based Exercises for Dynamic Short-Sitting Balance Rehabilitation of People With Chronic Spinal Cord and Traumatic Brain Injuries

2007· article· en· W2146808998 sur OpenAlexaff
Aimee L. Betker, Ankur R. Desai, Cristabel Nett, Naaz Kapadia, Tony Szturm

Notice bibliographique

RevuePhysical Therapy · 2007
Typearticle
Langueen
DomaineMedicine
ThématiqueSpinal Cord Injury Research
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesnon disponible
Mots-clésRehabilitationSittingPhysical medicine and rehabilitationBalance (ability)Spinal cordMedicinePhysical therapySpinal cord injuryDynamic balancePsychologyEngineeringPsychiatry

Résumé

récupéré en direct d'OpenAlex

BACKGROUND AND PURPOSE: Goal-oriented, task-specific training has been shown to improve function; however, it can be difficult to maintain patient interest. This report describes a rehabilitation protocol for the maintenance of balance in a short-sitting position following spinal cord and head injuries by use of a center-of-pressure-controlled video game-based tool. The scientific justification for the selected treatment is discussed. CASE DESCRIPTION: Three adults were treated: 1 young adult with spina bifida (T10 and L1-L2), 1 middle-aged adult with complete paraplegia (complete lesion at T11-L1), and 1 middle-aged adult with traumatic brain injury. All patients used wheelchairs full-time. OUTCOMES: The patients showed increased motivation to perform the game-based exercises and increased dynamic short-sitting balance. DISCUSSION: The patients exhibited increases in practice volume and attention span during training with the game-based tool. In addition, they demonstrated substantial improvements in dynamic balance control. These observations indicate that a video game-based exercise approach can have a substantial positive effect by improving dynamic short-sitting balance.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,035
Tête enseignante GPT0,407
Écart entre enseignants0,373 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations190
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePhysical TherapyMême sujetSpinal Cord Injury ResearchTravaux en français237 207