Efficacy of Computer aided Training combined with Hyperbaric Oxygen Therapy on Stroke Patients with Cognitive Dysfunction
Notice bibliographique
Résumé
Objective: To explore the clinical effects of computer aided training combined with hyperbaric oxygen therapy(HBOT) on stroke patients with cognitive dysfunction. Methods: Sixty stroke patients with cognitive dysfunction were randomly assigned to groups of control, HBOT and combined treatment, with 20 cases in each group. The 3 groups were treated with basic medication and traditional rehabilitation therapy while HBOT group was treated additionally with HBOT and combined treatment group was treated additionally with HBOT and computer aided training. Montreal Cognitive Assessment(Mo CA), Fugl-meyer Scale(FMA) and Barthel Index(BI)were assessed at pre-therapy and 4 weeks after treatment. Results: The scores of Mo CA, FMA and BI in HBOT group and combined treatment group after treatment were much higher than those of control group(P0.05), while the scores of Mo CA and BI in combined treatment group demonstrated much higher than those of HBOT group(P0.05). However, there was no significant difference of FMA scores between 2 groups after treatment. The correlation between sub-items of Mo CA and FMA, BI were analyzed. There were significant correlations between FMA scores and five sub-items(VS-EF, MEM, ATT, ABS, D-MEM) scores of Mo CA(r=0.324~0.521,P0.05 or 0.01). Significant correlations between BI scores and seven sub-items(VS-EF, NAM, MEM, ATT, ABS, D-MEM,ORI) scores of Mo CA(r=0.342~0.537,P0.05 or 0.01) were also shown. Conclusion: Computer aided training combined with HBOT can effectively improve cognitive function of stroke patients.
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) | 0,000 | 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 ».