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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».