Study Paradigms and Principles Investigated in Motor Learning Research After Stroke: A Scoping Review
Notice bibliographique
Résumé
OBJECTIVES: To (1) characterize study paradigms used to investigate motor learning (ML) poststroke and (2) summarize the effects of different ML principles in promoting skill acquisition and retention. Our secondary objective is to evaluate the clinical utility of ML principles on stroke rehabilitation. DATA SOURCES: Medline, Excerpta Medica Database, Allied and Complementary Medicine, Cumulative Index to Nursing and Allied Health Literature, and Cochrane Central Register of Controlled Trials were searched from inception on October 24, 2018 and repeated on June 23, 2020. Scopus was searched on January 24, 2019 and July 22, 2020 to identify additional studies. STUDY SELECTION: Our search included keywords and concepts to represent stroke and "motor learning. An iterative process was used to generate study selection criteria. Three authors independently completed title, abstract, and full-text screening. DATA EXTRACTION: Three reviewers independently completed data extraction. DATA SYNTHESIS: The Preferred Reporting Items for Systematic Reviews and Meta-Analyses extension guidelines for scoping reviews were used to guide our synthesis. Thirty-nine studies were included. Study designs were heterogeneous, including variability in tasks practiced, acquisition parameters, and retention intervals. ML principles investigated included practice complexity, feedback, motor imagery, mental practice, action observation, implicit and explicit information, aerobic exercise, and neurostimulation. An additional 2 patient-related factors that influence ML were included: stroke characteristics and sleep. Practice complexity, feedback, and mental practice/action observation most consistently promoted ML, while provision of explicit information and more severe strokes were detrimental to ML. Other factors (ie, sleep, practice structure, aerobic exercise, neurostimulation) had a less clear influence on learning. CONCLUSIONS: Improved consistency of reporting in ML studies is needed to improve study comparability and facilitate meta-analyses to better understand the influence of ML principles on learning poststroke. Knowledge of ML principles and patient-related factors that influence ML, with clinical judgment can guide neurologic rehabilitation delivery to improve patient motor outcomes.
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 | 0,080 | 0,204 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,003 |
| Méta-épidémiologie (sens large) | 0,011 | 0,011 |
| Bibliométrie | 0,026 | 0,027 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,009 | 0,010 |
| Science ouverte | 0,004 | 0,004 |
| Intégrité de la recherche | 0,006 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».