The Effects of Virtual Reality on the Upper Extremity Skills of Girls with Rett Syndrome: A Single Case Study
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Introduction: Rett Syndrome (RTT) is a genetic disorder primarily seen in females that inhibits the use of a girl’s hands in everyday activities. A girl with RTT spends the majority of her day engaged in stereotypical hand wringing/mouthing movements at midline of the body. The probable cause behind the neurological effects of RTT is a mutation in the gene that encodes for methyl-CpG protein 2 (MeCP2). The hand wringing/mouthing behaviors preclude a girl with RTT from using the upper extremities in purposeful tasks such as school work, play skills, and other activities of daily living. Objectives: To develop a virtual reality (VR)-based therapeutic intervention that 1) decreases upper extremity stereotypies (repetitive movements that serve no function) that interfere with purposeful arm and hand use and 2) promotes purposeful, goal-directed arm function; improve upper extremity motor skills in girls with RTT. Materials and Methods: Using FAAST Software and Microsoft Kinect sensor, one girl with RTT participated in a 12-week IVR intervention (1 hour/session, 3 sessions/week, 36 total hours). Pre- and post-assessments were administered to examine any changes in upper extremity function. Results: The VR intervention led to improvements in use of the upper extremities to complete self-care activities, an increased number of reaches completed in a 15-minute period, and decreased time engaged in stereotypical hand movements. Conclusion: Future work will add additional support to determine the effectiveness of virtual reality as an intervention for girls with RTT.
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.
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 | 0,001 |
| 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 découle