Use of the Challenge Point Framework to Guide Motor Learning of Stepping Reactions for Improved Balance Control in People With Stroke: A Case Series
Notice bibliographique
Résumé
BACKGROUND AND PURPOSE: Stepping reactions are important for walking balance and community-level mobility. Stepping reactions of people with stroke are characterized by slow reaction times, poor coordination of motor responses, and low amplitude of movements, which may contribute to their decreased ability to recover their balance when challenged. An important aspect of rehabilitation of mobility after stroke is optimizing the motor learning associated with retraining effective stepping reactions. The Challenge Point Framework (CPF) is a model that can be used to promote motor learning through manipulation of conditions of practice to modify task difficulty, that is, the interaction of the skill of the learner and the difficulty of the task to be learned. This case series illustrates how the retraining of multidirectional stepping reactions may be informed by the CPF to improve balance function in people with stroke. CASE DESCRIPTION: Four people (53-68 years of age) with chronic stroke (>1 year) and mild to moderate motor recovery received 4 weeks of multidirectional stepping reaction retraining. Important tenets of motor learning were optimized for each person during retraining in accordance with the CPF. OUTCOMES: Participants demonstrated improved community-level walking balance, as determined with the Community Balance and Mobility Scale. These improvements were evident 1 year later. Aspects of balance-related self-efficacy and movement kinematics also showed improvements during the course of the intervention. DISCUSSION: The application of CPF motor learning principles in the retraining of stepping reactions to improve community-level walking balance in people with chronic stroke appears to be promising. The CPF provides a plausible theoretical framework for the progression of functional task training in neurorehabilitation.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».