Effect of motor imagery therapy on cognitive function of patients with stroke
Notice bibliographique
Résumé
Objective To explore the rehabilitation effect of motor imagery therapy on cognitive function of stroke patients. Methods A total of 99 stroke patients with mild to moderate cognitive dysfunction were randomly divided into 3 groups: control group (N = 33), cognitive training group (N = 33) and motor imagery training group (N = 33). All patients received conventional rehabilitation training. Before and after 8-week training, all subjects were assessed with Mini-Mental State Examination (MMSE) and Montreal Cognitive Assessment (MoCA). At the same time, event-related potential (ERP) was examined to detect P300 latency and amplitude. Results ompared with before training, MMSE (P = 0.000) and MoCA (P = 0.000) scores were significantly increased, P300 latency was shortened (P = 0.000) and P300 amplitude was increased (P = 0.000) in 3 groups after 8 - week training. There were significant differences among 3 groups on MMSE (P = 0.030) and MoCA (P = 0.013) scores, P300 latency (P = 0.004) and P300 amplitude (P = 0.009) before and after training. Among them, cognitive training group and motor imagery training group had significantly higher MMSE (P = 0.019, 0.021) and MoCA (P = 0.003, 0.031) scores, shorter P300 latency (P = 0.020, 0.003) and higher P300 amplitude (P = 0.003, 0.002) than control group. Conclusions Motor imagery training can not only improve motor function of stroke patients, but also improve their cognitive function. DOI: 10.3969/j.issn.1672-6731.2017.06.005
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 | 0,000 |
| 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) | 0,001 | 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 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 ».