Effects of Lee Silverman Voice Treatment‐BIG on Motor, Cognition, Mental Health, Occupational Performance, and Occupational Balance in Patients With Schizophrenia: A Single‐Subject Experimental Study
Notice bibliographique
Résumé
Introduction: In this study, we aim to apply BIG to patients with schizophrenia to confirm changes in mental symptoms, task performance, and occupational balance through motor and cognitive enhancement. Method: This study used a single‐subject A‐B‐A design. It consisted of a total of 22 sessions, with 4 sessions in the baseline period, 16 sessions in the intervention period (Lee Silverman Voice Treatment‐BIG), and 2 sessions in the follow‐up period. The subjects were three male patients diagnosed with chronic schizophrenia, all severe cases. During the 22 sessions, the timed up and go test (TUG) and functional reach test (FRT) and the Montreal Cognitive Assessment (MoCA) were used to determine changes in motor function and cognition, and the subjective cognitive and mental score (SS), Canadian Occupational Performance Measure (COPM), and Occupational Balance Questionnaire‐Korean (OBQ‐K) were used to determine changes in psychiatric symptoms, work performance, and work balance satisfaction before and after the intervention. Statistically significant changes were determined using the two standard deviation (2SD) band method. Results: The TUG, FRT, and MoCA showed significant results in the intervention period compared to the baseline period. The SS, COPM, and OBQ‐K also showed positive changes in scores from pre‐ to postintervention. Conclusion: In this study, BIG was found to promote improvement in motor and cognitive function in chronic schizophrenia patients, with positive effects on psychiatric symptoms, task performance, and occupational balance satisfaction.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 ».