Virtual Group Music Therapy for Apathy in Parkinson’s Disease: A Pilot Study
Notice bibliographique
Résumé
Objective To evaluate the effect of virtual group music therapy on apathy in people with Parkinson’s disease (PD). Introduction Apathy affects 40% of people with PD, lacks effective therapies, and independently predicts poorer quality of life and greater caregiver burden. Music therapy is the clinical application of music to address a person’s physical or emotional needs and is effective in treating apathy in dementia. Methods People with idiopathic PD and apathy (Movement Disorders Society-Unified Parkinson’s Disease Rating Scale, apathy item ≥ 2) and their caregivers participated in twelve, weekly virtual group music therapy sessions, with session attendance signifying adherence. Participants completed pre- and post-intervention assessments of apathy (Apathy Scale (AS)), quality of life (Parkinson’s Disease Questionnaire-short form), functional ability (Schwab & England Activities of Daily Living Scale), depression (Beck Depression Inventory (BDI-II)), and cognition (Montreal Cognitive Assessment-Blind). Among secondary outcomes, we assessed caregiver burden (Zarit Burden Interview-short form) and strain (Multidimensional Caregiver Strain Index). Results Sixteen PD participants (93.8% men, mean age 68.3 ± 8.4 years, median 6 years PD duration) and their caregivers (93.8% women, mean age 62.6 ± 11 years) completed the study. All PD participants and 88% of caregivers were >70% adherent to the intervention. Apathy (AS, effect size = 0.767, P = 0.002) and depression (BDI-II, effect size = 0.542, P = 0.03) improved, with no change in caregiver measures. Conclusion Group music therapy is an effective treatment for apathy in PD and may improve mood. The virtual format is a feasible alternative to in-person sessions with high adherence and satisfaction.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 ».