MétaCan
Menu
Retour à la cohorte
Enregistrement W3120804386 · doi:10.3389/fneur.2020.618330

A Multidimensional Virtual Reality Neurorehabilitation Approach to Improve Functional Memory: Who Is the Ideal Candidate?

2021· article· en· W3120804386 sur OpenAlexaboutno aff
Sonia Di Tella, Sara Isernia, Chiara Pagliari, Johanna Jonsdottir, Carlotta Castiglioni, Patrizia Gindri, Cristina Gramigna, Samuela Canobbio, Marco Salza, Franco Molteni, Francesca Baglio

Notice bibliographique

RevueFrontiers in Neurology · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueStroke Rehabilitation and Recovery
Établissements canadiensnon disponible
Organismes subventionnairesMinistero della SaluteFondazione Cariplo
Mots-clésNeurorehabilitationPhysical medicine and rehabilitationLogistic regressionMinimal clinically important differenceMedicineRivermead post-concussion symptoms questionnaireRehabilitationPhysical therapyRandom forestRandomized controlled trialInternal medicineMachine learningComputer science

Résumé

récupéré en direct d'OpenAlex

Aims: We aimed to identify the significant predictors of ecological memory amelioration after the Human Empowerment Aging and Disability (HEAD) rehabilitation program, a multidimensional treatment for chronic neurological diseases. Materials and Methods: Ninety-three patients with Parkinson disease (n = 29), multiple sclerosis (n = 26), and stroke (n = 38) underwent a multidimensional rehabilitation. We focused on changes after treatment on ecological memory (outcome measure) evaluated by Rivermead Behavioral Memory Test, Third Edition (RBMT-3). Minimal clinically important difference (MCID) after treatment were calculated for RBMT-3. The change score on RBMT-3 was categorized in positive effect, stabilization, or no effect of the treatment. Random forest classification identified who significantly benefited from treatment against who did not in terms of ecological memory functioning. Accordingly, logistic regression models were created to identify the best predictors of the treatment effect. A predicted probability value was derived, and the profile of the ideal candidate of HEAD protocol was shown by combining different ranks of significant predictors in a 3 × 3 matrix for each pair of predictors. Results: A significant number of cases reported positive effect of the treatment on ecological memory, with an amelioration over the MCID or a stabilization. The random forest analysis highlighted a discrete accuracy of prediction (>0.60) for all the variables considered at baseline for identifying participants who significantly benefited and who did not from the treatment. Significant logistic regression model (Wald method) showed a predictive role of Montreal Cognitive Assessment (MoCA; p = 0.007), 2-Minute Walk Test (2MWT; p = 0.038), and RBMT-3 (p < 0.001) at baseline on HEAD treatment effect. Finally, we observed a high probability of success in people with higher residual cognitive functioning (MoCA; odds ratio = 1.306) or functional mobility (2MWT; odds ratio = 1.013). Discussion: The HEAD program is a rehabilitation with effects on multiple domains, including ecological memory. Residual level of cognitive and/or motor functioning is a significant predictor of the treatment success. These findings confirm the intrinsic relationship subsisting between motor and cognitive functions and suggest the beneficial effects of physical activity on cognitive functions and vice versa.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,012
Tête enseignante GPT0,248
Écart entre enseignants0,236 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations16
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in NeurologyMême sujetStroke Rehabilitation and RecoveryTravaux en français237 207