BeatWalk: Personalized Music-Based Gait Rehabilitation in Parkinson’s Disease
Notice bibliographique
Résumé
Taking regular walks when living with Parkinson’s disease (PD) has beneficial effects on movement and quality of life. Yet, patients usually show reduced physical activity compared to healthy older adults. Using auditory stimulation such as music can facilitate walking but patients vary significantly in their response. An individualized approach adapting musical tempo to patients’ gait cadence, and capitalizing on these individual differences, is likely to provide a rewarding experience, increasing motivation for walk-in PD. We aim to evaluate the observance, safety, tolerance, usability, and enjoyment of a new smartphone application. It was coupled with wearable sensors (BeatWalk) and delivered individualized musical stimulation for gait auto-rehabilitation at home. Forty-five patients with PD underwent a 1-month, outdoor, uncontrolled gait rehabilitation program, using the BeatWalk application (30 min/day, 5 days/week). The music tempo was being aligned in real-time to patients’ gait cadence in a way that could foster an increase up to +10% of their spontaneous cadence. Open-label evaluation was based on BeatWalk use measures, questionnaires, and a six-minute walk test. Patients used the application 78.8% (±28.2) of the prescribed duration and enjoyed it throughout the program. The application was considered “easy to use” by 75% of the patients. Pain, fatigue, and falls did not increase. Fear of falling decreased and quality of life improved. After the program, patients improved their gait parameters in the six-minute walk test without musical stimulation. BeatWalk is an easy to use, safe, and enjoyable musical application for individualized gait rehabilitation in PD. It increases “walk for exercise” duration thanks to high observance. Clinical Trial Registration : ClinicalTrials.gov Identifier: NCT02647242.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 |
| 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 ».