MétaCan
Menu
← Retour à la cohorte
Enregistrement W2741924299 · doi:10.1093/geroni/igx004.1484

PARKINSON’S DISEASE CAN LIMIT THE EFFECTS OF MOTOR-COGNITIVE TRAINING IN VIRTUAL REALITY ENVIRONMENT

2017· article· en· W2741924299 sur OpenAlexaboutno aff
J.R. Bacha, Tatiana Beline de Freitas, K.G. Silva, Gisele Cristine Vieira Gomes, Larissa Alamino Pereira de Viveiro, Camila Torriani‐Pasin, Júlia María D’Andréa Greve, José Eduardo Pompeu

Notice bibliographique

RevueInnovation in Aging · 2017
Typearticle
Langueen
DomaineMedicine
ThématiqueCerebral Palsy and Movement Disorders
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMontreal Cognitive AssessmentConfidence intervalMedicinePhysical therapyCognitionBalance (ability)Cognitive impairmentParkinson's diseasePsychologyPhysical medicine and rehabilitationInternal medicineDiseasePsychiatry

Résumé

récupéré en direct d'OpenAlex

Objective: To evaluate if patients with Parkinson s disease and elderly people can improve on their postural control (PC) and cognition after virtual reality training. Methods: Sample size was composed by ten subjects, 5 idiopathic PD (PDG) [68.2 ± 6.01 years; Hoehn & Yahr scale = 1:2 subject; 1.5:2 subject and 3:1 subject], and 5 elders subjects (ESG) [68.2 ± 6.3 years]. Fourteen sessions of Kinect Adventures games were carried out [1 hour, 2x/week for 7 weeks, during on period of dopaminergic replacement]. PC and cognition were assessed by Mini-Balance Evaluation Systems Test (MBT) and Montreal Cognitive Assessment (MoCA). Assessments were performed before, after and 1 month after the end of training (follow-up). Descriptive analysis was performed (mean, standard deviation and confidence interval of 95%). Results: Regarding PC, MBT scores in PDG were at baseline: 26.0 ± 3.6 [21.52 – 30.47]; after training: 26.2 ± 3.42 [21.95 – 30.44] and follow-up: 27.6 ± 2.6 [24.36 – 30.83]. MBT scores in ESG were at baseline: 27.4 ± 2.7 [24.04 – 30.75], after training: 29.2 ± 2.77 [25.75 – 32.64] and follow-up: 28.4 ± 1.81 [26.14 – 30.65]. MoCA scores in PDG were 24.0 ± 1.87 [21.67 – 26.32] at baseline 23.6 ± 3.2 [19.61 – 27.58] after training and 23.6 ± 2.7 [20.24 – 26.95] at follow up. MoCA scores in ESG were 21.0 ± 3.08 [17.17 – 24.82] at baseline, 27.2 ± 2.16 [24.50 – 29.89] after training and 26.2 ± 2.48 [23.10 – 29.29] at follow up. Conclusion: Scores of groups in both scales at baseline indicated that patients were next to ceiling of scales. Nevertheless, CG showed improvement on PC and cognition after training. However, future studies with larger sample are needed in order to generalize the results.

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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,032
Tête enseignante GPT0,293
Écart entre enseignants0,261 · 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

Citations0
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInnovation in Aging→Même sujetCerebral Palsy and Movement Disorders→Travaux en français237 207→