Clinical Trial of the Virtual Integration Environment to Treat Phantom Limb Pain With Upper Extremity Amputation
Notice bibliographique
Résumé
Background: Phantom limb pain (PLP) is commonly seen following upper extremity (UE) amputation. Use of both mirror therapy, which utilizes limb reflection in a mirror, and virtual reality therapy, which utilizes computer limb simulation, has been used to relieve PLP. We explored whether the Virtual Integration Environment (VIE), a virtual reality UE simulator, could be used as a therapy device to effectively treat PLP in individuals with UE amputation. Methods: Participants with UE amputation and PLP were recruited at Walter Reed National Military Medical Center (WRNMMC) and instructed to follow the limb movements of a virtual avatar within the VIE system across a series of study sessions. At the end of each session, participants drove virtual avatar limb movements during a period of ‘free-play’ utilizing surface electromyography recordings collected from their residual limbs. PLP and phantom limb sensations were assessed at baseline and following each session using the Visual Analogue Scale (VAS) and Short Form McGill Pain Questionnaire (SF-MPQ), respectively. In addition, both measures were used to assess residual limb pain (RLP) at baseline and at each study session. In total, 14 male, active duty military personnel were recruited for the study. Results: Of the 14 individuals recruited to the study, nine reported PLP at the time of screening. Eight of these individuals completed the study, while one withdrew after three sessions and thus is not included in the final analysis. Five of these eight individuals noted RLP at baseline. Participants completed an average of 18, 30-minute sessions with the VIE leading to a significant reduction in PLP in seven of the eight (88%) affected limbs and a reduction in RLP in four of the five (80%) affected limbs. The same user reported an increase in PLP and RLP across sessions. All participants who denied RLP at baseline (n=3) continued to deny RLP at each study session. Conclusions: Success with the VIE system confirms its application as a non-invasive and low-cost therapy option for PLP and phantom limb symptoms for individuals with upper limb loss.
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 | 0,001 | 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 ».