Exergame for post-stroke rehabilitation among elderly patients: A systematic review and meta-analysis
Notice bibliographique
Résumé
Advancement in gaming technology, including exergame, is thought to offer a promising innovation in rehabilitative treatment owing to its interactive and joyful natures. Elderly, in addition to being prevalent in stroke, they have different perspectives and adaptability toward the utilization of exergame in post-stroke rehabilitation. The aim of this study was to evaluate the effectiveness of exergame-based rehabilitation in ameliorating stroke-associated cognitive impairment among elderly patients. This systematic review followed the Preferred Reporting Item for Systematic Review and Meta-Analysis (PRISMA) guideline. The literatures were retrieved from the searches on PubMed, Scopus, and Embase databases using a combination of ‘exergame’, ‘stroke’, and ‘elderly’ along with their respective synonyms. Included studies were controlled observational studies and randomized clinical trials with subjects’ mean age >60 years old, measuring global cognitive and/or five cognitive domains (attention, language, executive function, memory, and visuospatial ability). Quality appraisals were performed based on the Cochrane ‘risk-of-bias tool’ and Physiotherapy Evidence Database Scale. Studies with high and good qualities were included in the meta-analyses. Six randomized controlled trials involving 179 patients were included in meta-analysis. Studies had variations in terms of type (combination of exergame-based and conventional rehabilitation or exergame-based only) and duration of interventions (30–110 min), length of observation (2–6 weeks), and tools used to examine cognitive outcomes. As compared with conventional rehabilitation, exergame-based rehabilitation was significantly more effective to improve global cognitive based on Montreal Cognitive Assessment Score in acute stroke patients (n=4; mean difference (MD) 3.66; 95% confidence interval (95%CI): 2.08, 5.24; p<0.00001), but significantly less effective in chronic stroke patients (n=2; MD -1.54; 95%CI: -2.28, -0.81; p<0.0001). In conclusion, global cognitive of elderly patients with acute strokes could be improved through exergame-based rehabilitation which is more effective as compared with conventional therapy.
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 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,011 | 0,007 |
| 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 ».