Yoga Interventions Used for the Rehabilitation of Stroke, Parkinson's Disease, and Multiple Sclerosis: A Scoping Review of Clinical Research
Notice bibliographique
Résumé
Objectives: The current body of literature was reviewed to compile and describe yoga interventions that have been applied in clinical research and neurologic rehabilitation settings with patients affected by stroke, Parkinson's disease (PD), and multiple sclerosis (MS). Design: Available literature on yoga therapy (YT) was mapped following a five-stage framework to identify key concepts, knowledge gaps, and evidence to inform practice. Publications were identified through Medline, CINAHL, EMBASE, and PsycINFO. Selected studies required subjects with a clinical diagnosis of stroke, PD, and MS to participate in a yoga intervention and have physical, cognitive, and/or psychosocial outcome measures assessed. Results: A total of 50 studies were included in this review. Study characteristics, patient demographics, description of the yoga intervention, reported outcome measures and the main findings were extracted from the studies. Conclusion: Implementing YT in neurorehabilitation can help health care professionals integrate a more holistic approach that addresses the fundamental physical and psychological challenges of living with a chronic and debilitating neurologic disorder. The included studies described yogic interventions consisting of group or individual therapy sessions lasting 60–75 min that were carried out one to three times per week for 8–12 consecutive weeks across all three conditions. All studies described in this scoping review used different yoga protocols confirming the lack of specific interventional parameters available for implementing yoga into the rehabilitation of individuals affected by stroke, PD, or MS.
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 | 0,010 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».