Effect of eye-tracking-based attention training for patients with poststroke cognitive impairment: a study protocol for a prospective, single-blinded, single-centre, randomised controlled trial in China
Notice bibliographique
Résumé
INTRODUCTION: Poststroke cognitive impairment (PSCI) is a common dysfunction that places a great burden on patients who had stroke and their families. Approximately 46%-92% of stroke survivors experience some degree of attention problems after a stroke. Improving attention is considered the core of successfully improving cognitive function and reintegrating patients into daily life. Eye tracking technology provides real-time feedback and accurate monitoring of cognitive processing, and using this technology to introduce attention training may improve patient treatment outcomes. The main purpose of this study was to investigate whether eye-tracking-based attention training has a positive effect on patients with PSCI. METHODS AND ANALYSIS: This study is a prospective randomised controlled trial. We will recruit 48 patients with PSCI referred to the Department of Rehabilitation Medicine at West China Hospital, Sichuan University, in Southwest China. The participants will be randomly distributed into two groups. Both groups will undergo conventional rehabilitation for 3 weeks, and the intervention group will receive 3 weeks of eye-tracking-based attention training (20-30 min/day). The primary outcome will be the patients' cognitive function, measured by the Montreal Cognitive Assessment. The secondary outcomes will be the patients' attention, independence of daily activities and event-related potential. These outcomes will be assessed at baseline, at the end of treatment (3 weeks) and at follow-up (1 month and 3 months after treatment). We will report the statistics and estimations using 95% CI. ETHICS AND DISSEMINATION: This trial received ethics approval from the Ethics Committee on Biomedical Research, West China Hospital of Sichuan University (2023 review No. 258). The results from this study will be disseminated via academic publication. TRIAL REGISTRATION NUMBER: ChiCTR2300068727.
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 | 0,020 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,006 | 0,002 |
| Méta-épidémiologie (sens large) | 0,013 | 0,005 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,003 | 0,001 |
| Intégrité de la recherche | 0,006 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,022 | 0,003 |
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 ».