Long COVID brain fog treatment: An early-phase randomized controlled trial of constraint-induced cognitive therapy signals go.
Notice bibliographique
Résumé
PURPOSE: Long COVID brain fog is often disabling. Yet, no empirically supported treatments exist. This study's objectives were to evaluate the feasibility and efficacy, provisionally, of a new rehabilitation approach, Constraint-Induced Cognitive Therapy (CICT), for post-COVID-19 cognitive sequelae. DESIGN: Sixteen community residents ≥3 months post-COVID-19 infection with mild cognitive impairment and dysfunction in instrumental activities of daily living (IADL) were enrolled. Participants were randomized to Immediate-CICT or treatment as usual (TAU) with crossover to CICT. CICT combined behavior change techniques modified from Constraint-Induced Movement Therapy with Speed of Processing Training, a computerized cognitive training program. CICT was deemed feasible if (a) ≥ 80% of participants were adherent, (b) the same found treatment highly satisfying and at most moderately difficult, and (c) < 2 study-related, serious adverse events occurred. The primary outcome was IADL performance in daily life (Canadian Occupational Performance Measure). Employment status and brain fog (Mental Clutter Scale) were also assessed. RESULTS: = .048. CONCLUSION: Those who received CICT adhered to the protocol and were highly satisfied with their outcomes. The findings warrant a large-scale randomized controlled trial with an active-comparison group. (PsycInfo Database Record (c) 2026 APA, all rights reserved).
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 | 0,003 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».