MétaCan
Menu
Retour à la cohorte
Enregistrement W4313472192 · doi:10.3390/brainsci13010079

Application of Immersive Virtual-Reality-Based Puzzle Games in Elderly Patients with Post-Stroke Cognitive Impairment: A Pilot Study

2022· article· en· W4313472192 sur OpenAlexaboutno aff
Zhilan Liu, Zhijie He, Jing Yuan, Hua Lin, Conghui Fu, Yan Zhang, Nian Wang, Guo Li, Jing Bu, Mei Chen, Jie Jia

Notice bibliographique

RevueBrain Sciences · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueStroke Rehabilitation and Recovery
Établissements canadiensnon disponible
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésMontreal Cognitive AssessmentRehabilitationCognitionStroke (engine)Cognitive trainingDigit symbol substitution testMemory spanVerbal fluency testCognitive rehabilitation therapyTrail Making TestPsychologyVirtual realityPhysical therapyPhysical medicine and rehabilitationTest (biology)FluencyAudiologyMedicineCognitive impairmentNeuropsychologyPsychiatryWorking memory

Résumé

récupéré en direct d'OpenAlex

Background: The society is aging in China, and the cognitive level of elderly post-stroke patients gradually declines. Face-to-face cognitive functional training is no longer sufficient. Immersive virtual reality (IVR) is a promising rehabilitation training device. In this study, we developed an IVR-based puzzle game to explore its effectiveness, feasibility, and safety in elderly stroke patients with cognitive dysfunction. Methods: A total of 30 patients with mild post-stroke cognitive impairment after stroke were randomly assigned to a control or IVR group. Patients in both groups received routine rehabilitation therapy. Patients in the control group received traditional cognitive training, and those in the IVR group received IVR-based puzzle game therapy. Before and after treatment, Montreal cognitive assessment (MOCA), trail-making test-A (TMT-A), digit symbol substitution test (DSST), digital span test (DST), verbal fluency test (VFT), and modified Barthel index (MBI) were evaluated in both groups. In addition, the IVR group was administered a self-report questionnaire to obtain feedback on user experience. Results: There was no significant difference in the baseline data between the two groups. After six weeks of treatment, the cognitive assessment scores were improved in both groups. Moreover, the IVR group showed more improvements than the control group in the DSST (Z = 2.203, p = 0.028 < 0.05, η2 = 0.16); MOCA (T = 1.186, p = 0.246 > 0.05, d = 0.44), TMT-A (T = 1.791, p = 0.084 > 0.05, d = 0.65), MBI (T = 0.783, p = 0.44 > 0.05, d = 0.28), FDST (Z = 0.78, p = 0.435 > 0.05, η2 = 0.02), BDST (Z = 0.347, p = 0.728 > 0.05, η2 = 0.004), and VFT(Z = 1.087, p = 0.277 > 0.05, η2 = 0.039) did not significantly improve. The significant difference in DSST represents an improvement in executive function and visual−spatial cognitive characteristics. The other assessment scores did not show such features. Therefore, we did not observe significant differences through this measure. According to the results of the self-report questionnaire, most of the patients were satisfied with the equipment stability and training content. Several individuals reported mild adverse reactions. Conclusions: This pilot study suggests that IVR-based puzzle games are a promising approach to improve post-stroke cognitive function, especially executive cognitive function, and visual−spatial attention in older adults.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Essai non randomisé · Signal consensuel: Essai non randomisé
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,016
Tête enseignante GPT0,290
Écart entre enseignants0,274 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeEssai non randomisé
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

Citations63
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBrain SciencesMême sujetStroke Rehabilitation and RecoveryTravaux en français237 207