Efficacy of Neurofeedback Interventions for Cognitive Rehabilitation Following Brain Injury: Systematic Review and Recommendations for Future Research
Notice bibliographique
Résumé
OBJECTIVES: Interest in neurofeedback therapies (NFTs) has grown exponentially in recent years, encouraged both by escalating public interest and the financial support of health care funding agencies. Given NFTs' growing prevalence and anecdotally reported success in treating common effects of acquired brain injury (ABI), a systematic review of the efficacy of NFTs for the rehabilitation of ABI-related cognitive impairment is warranted. METHODS: Eligible studies included adult samples (18+ years) with ABI, the use of neurofeedback technology for therapeutic purposes (as opposed to assessment), the inclusion of a meaningful control group/condition, and clear cognitive-neuropsychological outcomes. Initial automated search identified n = 86 candidate articles, however, only n = 4 studies met the stated eligibility criteria. RESULTS: Results were inconsistent across studies and cognitive domains. Methodological and theoretical limitations precluded robust and coherent conclusions with respect to the cognitive rehabilitative properties of NFTs. We take the results of these systematic analyses as a reflection of the state of the literature at this time. These results offer a constructive platform to further discuss a number of methodological, theoretical, and ethical considerations relating to current and future NFT-ABI research and clinical intervention. CONCLUSIONS: Given the limited quantity and quality of the available research, there appears to be insufficient evidence to comment on the efficacy of NFTs within an ABI rehabilitation context at this time. It is imperative that future work increase the level of theoretical and methodological rigour if meaningful advancements are to be made understanding and evaluating NFT-ABI applications.
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 | 0,069 | 0,170 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,013 | 0,012 |
| Bibliométrie | 0,012 | 0,011 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,006 | 0,009 |
| Science ouverte | 0,004 | 0,003 |
| Intégrité de la recherche | 0,005 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,001 |
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 ».