Visual respiratory biofeedback to improve visuospatial cognition and cardiac interoception in migraineurs: a study protocol for a randomized controlled trial
Notice bibliographique
Résumé
Objectives Migraine is a complex neurological disorder that typically presents with unilateral cephalgia associated with cognitive impairment and reduced interoception. These symptoms result in socio-economic repercussions due to reduced productivity, efficiency, and work performance. Therefore, along with headache management, improving cognition and interoception should also be significant therapeutic targets to effectively manage migraine. To achieve this, we propose to explore the role of a yoga-based visual respiratory biofeedback (VRB) as a possible therapeutic strategy. Methods and analysis At least 64 participants will be recruited for the trial after screening for eligibility criteria, using the migraine screening questionnaire and Montreal cognitive assessment test. They will be randomly allocated (1:1) to either the experimental group receiving a 20-min session of yoga-based VRB or the control group who will be asked to watch a documentary film for the same duration. Visuospatial cognition will be assessed by the Corsi block-tapping task, and cardiac interoceptive accuracy will be assessed by the heartbeat counting task at baseline and immediately after the intervention. Based on the distribution and variance of the data obtained, analysis will be conducted based on linear mixed models using SPSS version 28.0.1.0, with a two-sided p-value of < 0.05 considered to be statistically significant. Discussion To the best of our knowledge, this is the first study to design and assess the effects of yoga-based biofeedback therapy on cognition and cardiac interoception in migraineurs. Furthermore, we postulated that pranayama's therapeutic effects might be enhanced by using visual yogic respiratory biofeedback. Considering the socio-economic burden of migraine, if found effective, VRB investigated in the trial could be considered as a therapeutic strategy. Clinical trial registration ClinicalTrials.gov CTRI, CTRI/2023/03/050430.
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 | 0,024 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,005 | 0,003 |
| Méta-épidémiologie (sens large) | 0,013 | 0,005 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,003 | 0,003 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,007 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,052 | 0,008 |
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 ».