Computerized Dynamic Posturography-Guided Vestibular Rehabilitation Improves Vestibular Sensory Ratios
Notice bibliographique
Résumé
Background: Vestibular deficits are common and debilitating, and many patients struggle with dynamic balance, even after treatment with standard rehabilitation techniques. Objective: The objective of this study was to measure changes in computerized dynamic posturography sensory ratio information after computerized vestibular retraining therapy (CVRT). Methods: This prospective, single-group, interventional study enrolled adult participants with stable, unilateral vestibular deficits. Sensory ratios were obtained from sensory organization test scores before and after 12 twice-weekly sessions of CVRT. Results: Prior to CVRT, sensory organization test ratios indicated significant difficulty maintaining equilibrium on the moving, sway-referenced platform. After CVRT, the visual ratio (VIS) increased by 0.12 (−0.09 to 0.30; P = .0498), the vestibular ration (VEST) increased by 0.10 (−0.060 to 0.25; P = .0122), and the dynamic stability ration (DSR) increased by 0.15 (0.03 to 0.24; P = .0012). The somatosensory and visual preference ratios changed negligibly. Participants with mild disability [Dizziness Handicap Inventory (DHI) ≤30] showed no change while participants with moderate-to-severe disability (DHI >30) had significant improvements in VIS, VEST, and DSR. Conclusions: CVRT was associated with changes in VIS and VEST sensory ratios and improved postural control under conditions that favor use of vestibular information, consistent with increased weighting of vestibular information over vision ( Clinicaltrials.gov registration NCT04875013; April 27, 2021).
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 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 ».