Can active proprioceptive training improve proprioception in freezing of gait
Notice bibliographique
Résumé
Freezing of gait (FOG) is arguably the most debilitating symptom in Parkinson's disease (PD). Impairments specifically in proprioception have been argued to underlie FOG behaviour, therefore, proprioceptive training could be beneficial for FOG. Currently, only one study has demonstrated the potential for proprioception to be improved with training but not in patients with FOG. In the current study, individuals with PD and FOG (n=13) completed proprioceptive training involving a target-matching task utilizing active and self-defined movements with the upper and lower limbs. Training sessions were one hour long, occurring twice weekly for a period of four weeks. Proprioceptive accuracy was assessed pre- and post-intervention using a passive upper limb joint-angle matching task at three positions (10, 30, and 60 degrees away from the starting position). Absolute, constant, and variable error were calculated for the limb most affected by disease. No improvements in constant or absolute error were found, however, a significant improvement was found in variable error at the 60 degree position. A subsequent analysis was conducted to compare participants divided into LOW and HIGH proprioceptive error groups (using a median split), and found significant time x group interactions in constant error at the 30 and 60 degree positions, and in variable error at the 60 degree condition. These findings suggest that improvements in joint-position matching are possible with proprioceptive training in FOG. It appears that the greatest benefit is in larger angles. This may be a viable treatment option for FOG behaviour, although further investigation quantifying FOG is required.
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 | 0,001 |
| 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 | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».