Integration of Virtual Reality into Transcranial Magnetic Stimulation Improves Cognitive Function in Patients with Parkinson’s Disease with Cognitive Impairment: A Proof-of-Concept Study
Notice bibliographique
Résumé
BACKGROUND: Emerging evidence has indicated the positive effects of repetitive transcranial magnetic stimulation (rTMS) on patients with Parkinson's disease (PD) for the treatment of mild cognitive impairment (MCI). OBJECTIVE: Investigating whether combining virtual reality (VR) training with rTMS can further enhance cognitive improvement induced by rTMS treatment. METHODS: We randomly assigned 40 patients with PD and MCI into three groups, namely the rTMS-VR group (n = 13), rTMS group (n = 11), and sham rTMS group (n = 16). rTMS was administered as 10 consecutive sessions of intermittent theta burst stimulation (iTBS) over the left dorsolateral prefrontal cortex. In the rTMS-VR group, VR training was administered immediately after each rTMS session. Cognitive function was measured using the Repeatable Battery for the Assessment of Neuropsychological Status (RBANS) and Montreal Cognitive Assessment (MoCA) at baseline, immediately after intervention, and at 3-month follow-up. RESULTS: Compared with the rTMS group, the rTMS-VR group exhibited significantly more improvements in total and delayed memory scores of the RBANS and the visuospatial/executive function score of the MoCA after intervention (p = 0.000∼0.046) and the delayed memory score of the RBANS at 3-month follow-up (p = 0.028). CONCLUSION: The integrated rTMS-VR protocol achieved a superior outcome in global cognitive function, more effectively enhancing working memory and visuospatial executive function than did the rTMS protocol alone. The combination of VR and rTMS can be an effective regimen for improving the cognitive function of patients with PD.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».