Effectiveness of brain—computer interfaces and cognitive training using computer technologies in restoring cognitive functions in patients after stroke
Notice bibliographique
Résumé
ЦЕЛЬ ИССЛЕДОВАНИЯ Изучение эффективности применения технологий интерфейса «мозг—компьютер» (ИМК) и когнитивных тренингов с использованием компьютерных технологий в восстановлении когнитивных функций (КФ) у пациентов после церебрального инсульта (ЦИ). МАТЕРИАЛ И МЕТОДЫ Включены 34 пациента с давностью ЦИ 5,1±4,7 мес, средний возраст 59,3±10,8 года. Для оценки эффективности лечения пациентам до и после лечения было проведено тестирование по шкалам: запоминание 10 слов по А.Р. Лурия, Монреальская шкала оценки когнитивных функций (MoCA), тест рисования часов (CDT). Все пациенты получали стандартную восстановительную терапию (лечебная физкультура, физиотерапевтические процедуры, занятия с логопедом-нейропсихологом). Пациенты 1-й группы получали тренинги на комплексе «Нейрочат», 2-й группы — на комплексе «Экзокисть-2», 3-й группы — когнитивные тренировки по стандартным программам с использованием компьютерных технологий и наглядного материала. РЕЗУЛЬТАТЫ У пациентов всех трех групп было отмечено статистически значимое улучшение общего балла по MoCA: в 1-й и 2-й группах — p<0,01, в 3-й группе — p<0,05. Метод запоминания 10 слов выявил улучшение памяти во всех группах, более выраженные в 1-й и 2-й (p<0,01). По CDT отмечена статистически значимая динамика во 2-й группе (p=0,018). ЗАКЛЮЧЕНИЕ Получены данные об эффективности применения ИМК при восстановлении КФ у пациентов после перенесенного ЦИ по сравнению с когнитивными тренингами без обратной связи. Есть основания полагать, что различные ИМК обладают специфическим воздействием на различные КФ и имеют разные целевые группы.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».