Elements virtual rehabilitation improves motor, cognitive, and functional outcomes in adult stroke: evidence from a randomized controlled pilot study
Notice bibliographique
Résumé
BACKGROUND: Virtual reality technologies show potential as effective rehabilitation tools following neuro-trauma. In particular, the Elements system, involving customized surface computing and tangible interfaces, produces strong treatment effects for upper-limb and cognitive function following traumatic brain injury. The present study evaluated the efficacy of Elements as a virtual rehabilitation approach for stroke survivors. METHODS: Twenty-one adults (42-94 years old) with sub-acute stroke were randomized to four weeks of Elements virtual rehabilitation (three weekly 30-40 min sessions) combined with treatment as usual (conventional occupational and physiotherapy) or to treatment as usual alone. Upper-limb skill (Box and Blocks Test), cognition (Montreal Cognitive Assessment and selected CogState subtests), and everyday participation (Neurobehavioral Functioning Inventory) were examined before and after inpatient training, and one-month later. RESULTS: Effect sizes for the experimental group (d = 1.05-2.51) were larger compared with controls (d = 0.11-0.86), with Elements training showing statistically greater improvements in motor function of the most affected hand (p = 0.008), and general intellectual status and executive function (p ≤ 0.001). Proportional recovery was two- to three-fold greater than control participants, with superior transfer to everyday motor, cognitive, and communication behaviors. All gains were maintained at follow-up. CONCLUSION: A course of Elements virtual rehabilitation using goal-directed and exploratory upper-limb movement tasks facilitates both motor and cognitive recovery after stroke. The magnitude of training effects, maintenance of gains at follow-up, and generalization to daily activities provide compelling preliminary evidence of the power of virtual rehabilitation when applied in a targeted and principled manner. TRIAL REGISTRATION: this pilot study was not registered.
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 | 0,004 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».