A computer-game-based rehabilitation platform for individuals with fine and gross motor upper extremity deficits post-stroke (CARE fOR U) – Protocol for a randomized controlled trial
Notice bibliographique
Résumé
BACKGROUND & PURPOSE: Activity-based neuroplasticity and re-organization leads to motor learning via replicating real-life movements. Increased repetition of such movements has growing evidence over last few decades. In particular, computer-game-based rehabilitation is found to be effective, feasible and acceptable for post-stroke upper limb deficits. Our study aims to evaluate the feasibility and effectiveness of 12 weeks of computer-game-based rehabilitation platform (GRP) on fine and gross motor skills post-stroke in India. METHODS: Through this trial we will study the effect of adjunctive in-hospital GRP (using a motion-sensing airmouse with off-the-shelf computer games) in 80 persons with subacute stroke, for reduction of post-stroke upper limb deficits in a single-centre prospective Randomized Open, Blinded End- point trial when compared to conventional therapy alone. RESULTS: We intend to evaluate between-group differences using Wolf Motor Function test, Stroke Specific Quality of Life, and GRP assessment tool. Feasibility will be assessed via recruitment rates, adherence to intervention periods, drop-out rate and qualitative findings of patient experience with the intervention. CONCLUSION: The CARE FOR U trial is designed to test the feasibility and effectiveness of a computer-game based rehabilitation platform in treating upper limb deficits after stroke. In case of positive findings GRP can be widely applicable for stroke populations needing intensive and regular therapy with supervision.
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 | 0,003 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| 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 | 0,000 | 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 ».