Effect of Using Mobile Games on Patients with Acute Stroke during Cognitive Rehabilitation at the Intensive Care Unit
Notice bibliographique
Résumé
Background: Using mobile games during the rehabilitation phase of patients with acute stroke will have a progressive influence on cognitive and memory impairment, which will reduce costs and enrich their prognosis. The aim of the study to evaluate the effect of using mobile games on patients with acute stroke during cognitive rehabilitation at the intensive care unit. Design: A quasi-experimental research design (pretest and posttest research designs). Setting: The study was conducted at the neurological intensive care unit at Assuit University Hospital, Egypt. Methods: Fifty patients with acute stroke were chosen randomly; they ranged in age from 18 to 60 years old, were able to write and read, and had recently been diagnosed with an ischemic or hemorrhagic stroke. Tools: Two tools were used, the general patient’s assessment questionnaire and the Montreal Cognitive Assessment (MOCA), to assess the acute stroke patients’ cognitive abilities before and after the application of mobile games. Results: More than half of patients with acute stroke had mild cognitive impairment (58%) before application of mobile games, and the majority of them had normal cognitive ability after application of mobile games (100%). There were statistical significance differences in cognitive assessment between patients before and after the mobile game application (P value = 0.001**). Conclusion: Patients with acute stroke had better cognitive and memory functions after playing mobile games. Recommendations: Incorporating brain games into the rehabilitation protocol to improve cognitive function in patients with acute stroke at the ICU will produce significant results and shorten the length of stay.
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 | 0,001 |
| 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 | 0,001 | 0,001 |
| 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 ».