Neurophysiological evidence of motor imagery training in Parkinson’s disease: a case series study
Notice bibliographique
Résumé
Abstract Background: Motor imagery (MI) has become an increasingly popular rehabilitation tool for individuals with motor impairments. However, it has been proposed that individuals with Parkinson’s Disease (PKD) may not benefit from MI due to impairments in motor learning. Objective: This case series study investigated the effects of a 4-week MI training protocol on MI ability in three male individuals with PKD, with an emphasis on examining changes in brain responses. Methods: Training was completed primarily at home, via audio recordings, and emphasized the imagination of functional tasks. MI ability was assessed pre and post-training using subjective and objective imagery questionnaires, alongside an electroencephalographic (EEG) recording of a functional MI task. EEG analysis focused on the mu rhythm, as it has been proposed that suppression in the mu rhythm may reflect MI success and motor learning. Previous research has indicated that mu suppression is impaired in individuals with PKD, and may contribute to the disease’s associated deficits in motor learning. Results: Following training, all three participants improved in MI accuracy, but reported no notable improvements in MI vividness. Greater suppression in the mu rhythm was also exhibited by all three participants post-training. Conclusion: These results suggest the participants learned from the training protocol and that individuals with PKD are responsive to MI training. Further research on a larger scale is needed to verify the findings and determine if this learning translates to improvements in motor function.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| 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 ».