Feasibility, Safety and Efficacy of a Virtual Reality Exergame System to Supplement Upper Extremity Rehabilitation Post-Stroke: A Pilot Randomized Clinical Trial and Proof of Principle
Notice bibliographique
Résumé
(1) Background: Increasing the amount of therapy time has been shown to improve motor function in stroke survivors. However, it is often not possible to increase the amount of therapy time provided in the current one-on-one therapy models. Rehabilitation-based virtual reality exergame systems, such as Jintronix, can be offered to stroke survivors as an adjunct to traditional therapy. The goal of this study was to examine the safety and feasibility of providing additional therapy using an exergame system and assess its preliminary clinical efficacy. (2) Methods: Stroke survivors receiving outpatient rehabilitation services participated in this pilot randomized control trial in which the intervention group received 4 weeks of exergaming sessions in addition to traditional therapy sessions. (3) Results: Nine subjects in the intervention and nine subjects in the control group completed the study. The intervention group had at least two extra sessions per week, with an average duration of 44 min per session and no serious adverse events (falls, dizziness, or pain). The efficacy measures showed statistically meaningful improvements in the activities of daily living measures (i.e., MAL-QOM (motor activity log-quality of movement) and both mobility and physical domains of the SIS (stroke impact scale) with mean difference of 1.0%, 5.5%, and 6.7% between the intervention and control group, respectively) at post-intervention. (4) Conclusion: Using virtual reality exergaming technology as an adjunct to traditional therapy is feasible and safe in post-stroke rehabilitation and may be beneficial to upper extremity functional recovery.
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 | 0,016 | 0,006 |
| 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 | 0,000 | 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 ».