Added cognitive demand from increased sensorimotor complexity resulted in better goal-directed movement following stroke: a novel finding in post-stroke recovery
Notice bibliographique
Résumé
BACKGROUND: Stroke often causes impairments in goal-directed movements, which are commonly assessed using goal-directed reaching tasks. Here we present two individuals post-stroke who performed two robotic reaching tasks: 1. Visually Guided Reaching (VGR); reaching a cursor representing the fingertip to virtual targets, 2. Reverse Visually Guided Reaching (RVGR); where the cursor moves in the opposite direction of hand motion, requiring a novel cognitive rule. Participants are typically more successful at reaching targets in the simple VGR task compared to the more complex RVGR task (~92% of our database). The two cases are notable as they performed better on RVGR compared to VGR. CASE DESCRIPTIONS: Case 1: 80-year-old patient with left hemorrhagic thalamic stroke, with interventricular extension, presenting with right hemiparesis/reduced motor control. They were unable to complete reaches to any targets in VGR (0/40 targets), but were able to reach ~30% of the targets (15/48) in RVGR. Case 2: 76-year-old patient with a left ischemic pontine stroke, presenting with right hemiparesis/reduced motor control. They were unable to complete reaches to any targets in VGR (0/40) but were able to reach ~60% of the targets in RVGR (29/48). INTERPRETATION: Better performance in RVGR compared to VGR may be associated with a “dual-task benefit” and has potential clinical implications, including informing neuro-rehabilitative strategies, potentially by including tasks with added complexity or cognitive components. These findings also highlight the utility of robotic tools to provide novel environments within which to identify unique patterns of impairments and abilities.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».