Abstract TP91: Post-Stroke Assessment of Kinaesthesia with and without Vision using Robotics
Notice bibliographique
Résumé
Stroke can lead to damage of brain regions and pathways involved in sensory processing of limb afferent and visual signals. While stroke rehabilitation research often focuses on motor recovery, there is limited knowledge about the prevalence of proprioceptive deficits and their impact on sensorimotor capabilities. The present study characterizes the presence of kinaesthetic (sense of motion) deficits and the ability of individuals to correct for these deficits with vision after stroke. Individuals with subacute stroke (N = 107, median age = 59) and non-disabled controls (N = 101, median age = 47.5) performed a kinaesthetic matching task with and without vision using a robotic exoskeleton. The robotic exoskeleton passively moved the stroke patients’ affected arm at a preset speed, direction and magnitude of movement. Subjects were instructed to mirror-match the speed, direction and magnitude of the movement as soon as they felt the robot begin to move their affected arm. Stroke subjects also completed a standardized clinical assessment including vision screening, Behavioural Inattention Test (median ± SD = 141 ± 29.71), Chedoke McMaster Stroke Assessment - Impairment Inventory of Arm (5 ± 2.61) and Hand (5 ± 2.49) and Functional Independence Measure (FIM) (95.21 ± 23.54). As compared to controls, 49% of subjects with stroke displayed larger initial direction errors when performing the task without vision. When vision was provided 25% of these subjects now performed within the control range. Surprisingly, 24% of subjects performed worse with vision. A similar pattern of impairments were observed for movement reaction time. As a group, subjects with field defects and/or hemineglect displayed significantly greater impairments than the rest of the subjects with stroke. Our results suggest that kinaesthetic deficits are highly prevalent amongst patients who have had a stroke. The quantification and identification of these sensory deficits using the robotic technology has significant potential for improving diagnosis and prognosis of sensory and motor deficits and performance in daily activities.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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) | 0,004 | 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 ».