Influence of Mobile Application Based Brain Training Program on Cognitive Function and Quality of Life in Patients Post Stroke
Notice bibliographique
Résumé
Background: Stroke often leads to cognitive impairment, which can significantly reduce one's independence as well as quality of life. Cognitive rehabilitation is a treatment strategy for restoring cognitive abilities following brain injuries. Cognitive functioning can be improved through the use of multimedia as well as informatics in computerized cognitive rehabilitation (CCR). Purpose: to investigate the influence of a mobile application-based brain training program on cognitive functions as well as quality of life in post stroke patients. Methodology: forty referred medically and radiologically diagnosed stroke patients from both genders experienced post stroke cognitive impairment (PSCI), aged from 45 to 60 years old, were randomized into two groups of the same number: a study group and a control group. The Study group received mobile application-based brain training program (Lumosity training application) as well as aerobic training on a bicycle ergometer, and the control group received only the aerobic training on a bicycle ergometer for 18 sessions every other day for 6 weeks, 3 sessions/week, each session for 60 minutes. All patients were evaluated with Computer-based cognitive device RehaCom, Addenbrooke’s Cognitive Examination Revised (ACE-R) test, Montreal Cognitive Assessment (MoCA) in addition to Stroke specific quality of life scale (SS-QoL) pre and post treatment. Results: a significant difference has been detected among the two groups as the (p-value = 0.001) indicating that the study group reported enhancement in the cognitive functions as well as the quality of life more than the control group and there was a correlation between RehaCom, MoCA, ACE-R and SS-QoL. Conclusion: This study showed that six weeks of mobile application-based brain training program (Lumosity training application) as well as aerobic training on a bicycle ergometer was a beneficial approach and is a successful treatment for patients suffering from (PSCI).
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,002 | 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 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 ».