MétaCan
Menu
Retour à la cohorte
Enregistrement W3180392518 · doi:10.1177/13594575211029101

Improvised active music therapy for clients with Parkinson’s disease: A feasibility study

2021· article· en· W3180392518 sur OpenAlexaff
Demian Kogutek, Jeffrey D. Holmes, Jessica A. Grahn, Emily A. Ready, Manuel Montero‐Odasso

Notice bibliographique

RevueBritish Journal of Music Therapy · 2021
Typearticle
Langueen
DomaineNeuroscience
ThématiqueNeuroscience and Music Perception
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésMusic therapyPhysical medicine and rehabilitationRhythmPsychologyParkinson's diseaseGaitPhysical therapyMedicineAudiologyDisease

Résumé

récupéré en direct d'OpenAlex

The purpose of this study was to test the feasibility of delivering Improvised Active Music Therapy sessions in measuring the impact of acquisition of rhythmic complexity levels on gait performance in individuals with Parkinson’s disease. In this single subject multiple baseline design, the study measured the ability of three right-handed participants with Parkinson’s disease to acquire greater density of syncopation, as a measure of rhythmic complexity levels, while playing uninterrupted improvised music on a simplified electronic drum-set. The music content of the sessions was transformed into digital music data in real-time using Musical Instrument Digital Interface. The Musical Instrument Digital Interface data were analyzed to determine the participants’ and the Music Therapist’s density of syncopation (on acoustic guitar) during baseline and treatment conditions. Results from visual analyses and Pearson’s correlations on the outcomes indicated conflicting and inconclusive outcomes about whether higher acquisition of rhythmic complexity levels improves gait performance in individuals with Parkinson’s disease. Despite this, evidence was found to support the overall value of Improvised Active Music Therapy sessions on gait performance. The study design, the intervention, and outcome measures were found to be feasible and could be scaled-up into a larger trial.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,909
Score d'incertitude au seuil0,870

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,074
Tête enseignante GPT0,311
Écart entre enseignants0,237 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations7
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBritish Journal of Music TherapyMême sujetNeuroscience and Music PerceptionTravaux en français237 207