Mental Practice and Manipulative Skills Training Among People With Multiple Sclerosis: A Pilot Study
Notice bibliographique
Résumé
IMPORTANCE: Multiple sclerosis (MS) is a demyelinating disease of the central nervous system that produces both motor and cognitive dysfunctions. Impairments in limb function as a result of MS cause a decline in the performance of activities of daily living (ADLs). OBJECTIVE: To determine whether the use of mental practice (MP) or MP combined with training in motor manipulation skills (skills training) would improve gross and fine motor skills and treatment satisfaction among people with MS. DESIGN: Pilot study with a duration of 3 mo plus 3-mo follow-up. SETTING: Two MS associations. PARTICIPANTS: Thirty-five patients diagnosed with MS of the relapsing-remitting and progressive secondary subtypes, ages 25 to 60 yr. INTERVENTION: The participants were allocated to one of three groups according to their order of inclusion in the study: (1) MP, (2) MP + skills training, or (3) control group. The treatment protocol had a 6-wk duration and a total of 12 sessions. Outcomes and Measures: Blinded evaluators performed three assessments for each patient (pretreatment, posttreatment, and 3-mo follow-up) using the Nine-Hole Peg Test, Box and Block Test, ABILHAND, and Canadian Occupational Performance Measure (COPM). RESULTS: We found no evidence of benefits in self-perceived performance of ADLs with respect to gross and fine motor skills; however, there was an improvement in perceived satisfaction and in the performance of activities, independent of the treatment received. CONCLUSIONS AND RELEVANCE: Perceived ADL performance and satisfaction with performance increases among people with MS when they receive MP, MP + skills training, and conventional rehabilitation treatment. What This Article Adds: Mental practice combined with conventional treatment could contribute to patients perceiving improved performance of ADLs. Self-reported outcome measures, such as the COPM, could provide highly valuable information about occupation performance that may not match the objective evidence.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».