Rhythmic abilities and musical training in Parkinson’s disease: do they help?
Notice bibliographique
Résumé
Abstract Rhythmic auditory cues can immediately improve gait in Parkinson’s disease. However, this effect varies considerably across patients. The factors associated with this individual variability are not known to date. Patients’ rhythmic abilities and musicality (e.g., perceptual and singing abilities, emotional response to music, and musical training) may foster a positive response to rhythmic cues. To examine this hypothesis, we measured gait at baseline and with rhythmic cues in 39 non-demented patients with Parkinson’s disease and 39 matched healthy controls. Cognition, rhythmic abilities and general musicality were assessed. A response to cueing was qualified as positive when the stimulation led to a clinically meaningful increase in gait speed. We observed that patients with positive response to cueing (n = 17) were more musically trained, aligned more often their steps to the rhythmic cues while walking, and showed better music perception as well as poorer cognitive flexibility than patients with non-positive response (n = 22). Gait performance with rhythmic cues worsened in six patients. We concluded that rhythmic and musical skills, which can be modulated by musical training, may increase beneficial effects of rhythmic auditory cueing in Parkinson’s disease. Screening patients in terms of musical/rhythmic abilities and musical training may allow teasing apart patients who are likely to benefit from cueing from those who may worsen their performance due to the stimulation.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».