Motor Memory Consolidation Deficits in Parkinson’s Disease: A Systematic Review with Meta-Analysis
Notice bibliographique
Résumé
BACKGROUND: The ability to encode and consolidate motor memories is essential for persons with Parkinson's disease (PD), who usually experience a progressive loss of motor function. Deficits in memory encoding, usually expressed as poorer rates of skill improvement during motor practice, have been reported in these patients. Whether motor memory consolidation (i.e., motor skill retention) is also impaired is unknown. OBJECTIVE: To determine whether motor memory consolidation is impaired in PD compared to neurologically intact individuals. METHODS: We conducted a pre-registered systematic review (PROSPERO: CRD42020222433) following PRISMA guidelines that included 46 studies. RESULTS: Meta-analyses revealed that persons with PD have deficits in retaining motor skills (SMD = -0.17; 95% CI = -0.32, -0.02; p = 0.0225). However, these deficits are task-specific, affecting sensory motor (SMD = -0.31; 95% CI -0.47, -0.15; p = 0.0002) and visuomotor adaptation (SMD = -1.55; 95% CI = -2.32, -0.79; p = 0.0001) tasks, but not sequential fine motor (SMD = 0.17; 95% CI = -0.05, 0.39; p = 0.1292) and gross motor tasks (SMD = 0.04; 95% CI = -0.25, 0.33; p = 0.7771). Importantly, deficits became non-significant when augmented feedback during practice was provided, and additional motor practice sessions reduced deficits in sensory motor tasks. Meta-regression analyses confirmed that deficits were independent of performance during encoding, as well as disease duration and severity. CONCLUSION: Our results align with the neurodegenerative models of PD progression and motor learning frameworks and emphasize the importance of developing targeted interventions to enhance motor memory consolidation in PD.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,008 | 0,005 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».