MétaCan
Menu
Retour à la cohorte
Enregistrement W4407449463 · doi:10.2196/56397

Neurotechnology-Based, Intensive, Supplementary Upper-Extremity Training for Inpatients With Subacute Stroke: Feasibility Study

2025· article· en· W4407449463 sur OpenAlexvenueno aff
Reut Binyamin-Netser, Shirley Handelzalts, Noy Goldhamer, Inbar Avni, Adi Tayer Yeshurun, Yogev Koren, Ofri Bibas Levy, Shilo Kramer, Simona Bar‐Haim, Lior Shmuelof

Notice bibliographique

RevueJMIR Serious Games · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueStroke Rehabilitation and Recovery
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHemiparesisMedicinePhysical medicine and rehabilitationRehabilitationStroke (engine)Physical therapyUpper limbElbowWristActivities of daily livingSurgery

Résumé

récupéré en direct d'OpenAlex

Background: Upper-extremity hemiparesis is a common and debilitating impairment after stroke, severely restricting stroke survivors' ability to participate in daily activities and function independently. Alarmingly, only a small percentage of stroke patients fully recover upper extremity function. Animal models indicate that high-dose upper extremity training during the early poststroke phase can significantly enhance motor recovery. However, translating such programs for human patients remains challenging due to resource limitations, patient compliance issues, and administrative constraints. Objective: This study aimed to assess the feasibility and potential efficacy of an intensive, video game-based upper-extremity training protocol designed to improve movement quality during inpatient stroke rehabilitation. Additionally, it evaluated the resources required for this intervention. Specifically, the protocol provides high-intensity, high-dose training to facilitate motor recovery by engaging patients in targeted interactive exercises. Methods: Twelve patients with upper-extremity hemiparesis completed a 4-week intensive training program comprising 40 sessions of 60 minutes; the training was conducted for 2 hours per day, 5 days per week. This was delivered in addition to standard care, which included 3 therapeutic sessions daily. Two video game-based platforms were used: one platform (tech 1) targeted proximal movements involving the shoulder and elbow, while the second platform (tech 2) emphasized distal movements of the wrist and fingers. Feasibility was assessed using the measure of time on task and measures of patients' motivation and engagement. Potential effectiveness was assessed using the Fugl-Meyer Assessment of the upper extremity (FMA-UE) scale, Action Research Arm Test (ARAT), and Stroke Impact Scale (SIS). Results: Of the 12 patients, 8 completed the full protocol, 3 completed 34-38 sessions, and 1 completed 27 sessions. On average, patients actively engaged in exercises for 35 (SD 4) minutes per hour on the proximal platform (tech 1) and 37 (SD 2) minutes on the distal platform (tech 2). Patients reported high motivation and enjoyment throughout the sessions, with an Intrinsic Motivation Inventory enjoyment score of 6.49 (SD 0.66) out of 7. Pain levels were minimal, with a visual analogue scale (VAS) mean score of 2.00 (SD 2.32). Significant improvements were observed in motor function assessments: the mean improvement in FMA-UE score was 16.5 (SD 10.2) points, ARAT scores increased by 22.9 (SD 13.1) points, and the SIS Hand Function and Recovery score showed a mean delta of 1.23 (SD 0.80) points and a 23.33% (SD 21.5%) improvement, respectively. Conclusions: These findings demonstrate that a high-dose, high-intensity, video game-based training protocol is feasible and can be successfully integrated into subacute stroke rehabilitation. Additionally, preliminary evidence suggests that this supplementary intervention may be effective in enhancing motor recovery. This approach holds promise for future stroke rehabilitation protocols by offering an engaging, high-dose, and high-intensity program during early recovery.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,026
Score d'incertitude au seuil0,806

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,025
Tête enseignante GPT0,329
Écart entre enseignants0,304 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Serious GamesMême sujetStroke Rehabilitation and RecoveryTravaux en français237 207