Long-term effects of cognitive training in Parkinson’s disease: A randomized, controlled trial
Notice bibliographique
Résumé
Computerized cognitive training may be promising to improve cognitive impairment in Parkinson’s disease and has even been suggested to delay cognitive decline. However, evidence to date is limited. The aim of this study was to assess the durability of eight-week cognitive training effects at up to two years follow-up. One hundred and thirty-six (1 3 6) individuals with Parkinson’s disease, subjective cognitive complaints but without severe cognitive impairment (Montreal Cognitive Assessment ≥ 22) participated in this double-blind RCT. Participants underwent an eight-week home-based intervention of either adaptive, computerized cognitive training with BrainGymmer (n = 68) or an active control (n = 68). They underwent extensive neuropsychological assessment, psychiatric questionnaires and motor symptom assessment at baseline and one and two years after the intervention. We used mixed-model analyses to assess changes in cognitive function at follow-up and performed Fisher’s exact tests to assess conversion of cognitive status. There were no group differences on any neuropsychological assessment outcome at one- and two-year follow-up. Groups were equally likely to show conversion of cognitive status at follow-up. A considerable amount of assessments was missed (1y: n = 27; 2y: n = 33), most notably due to COVID-19 regulations. Eight-week cognitive training did not affect long-term cognitive function in Parkinson’s disease. Future studies may focus on one cognitive subgroup to enhance reliability of study results. Intervention improvements are needed to work towards effective, lasting treatment options.
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 | 0,005 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».