Patient and therapist perspectives on motor imagery training in Parkinson’s Disease: a qualitative descriptive study
Notice bibliographique
Résumé
Background Motor imagery is of increasing interest in Parkinson’s Disease (PD) rehabilitation. One of the benefits of motor imagery is that it can be safely carried out in an individual’s home. At present, there is little guidance for researchers and clinicians who wish to implement home-based motor imagery as a treatment tool for patients with PD. This study aimed to explore patient and therapist perspectives on home-based motor imagery training programs for individuals with PD. We sought to integrate these perspectives with the established literature to provide recommendations for the implementation of such programs. Methods Semi-structured interviews were conducted with 10 patients with PD, three occupational therapists, and three physical therapists. Interview transcripts were analysed using the Framework Method. Results A total of five themes were identified from interview transcripts: (1) compensatory strategies are common in PD management, (2) program design should accommodate for cognitive concerns, (3) apathy is a barrier to home-based participation, (4) a relevant program is an effective program, and (5) technology can facilitate home-based practice. Participants identified several ways in which a home-based motor imagery program could be designed to best meet the needs of the PD population. Conclusion Motor imagery has high potential as a home-based treatment tool for people with Parkinson’s Disease. Researchers and clinicians need to take disease-related cognitive changes and apathy into consideration by developing accessible programs that feel relevant to the patient and contain accountability measures.
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 | 0,000 |
| 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) | 0,000 | 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 ».