Telerehabilitation for functional neurological disorders: A scoping review
Notice bibliographique
Résumé
INTRODUCTION: Functional neurological disorder (FND) is a prevalent condition requiring various rehabilitation needs. Telerehabilitation may be a promising solution. This scoping review explored how telerehabilitation is used for FND and identified gaps. METHODS: A systematic search was performed from May 18 to June 3, 2024, using MEDLINE, Embase, Cochrane Database of Systematic Reviews, Cochrane Central, PsycINFO, CINAHL, and clinicaltrials.gov. Ongoing research (protocols and conference abstracts) was included. Citation screening was done for reviews and narrative articles to identify missing articles. Screening and data extraction were conducted in duplicate. Data were analyzed both quantitatively and qualitatively. RESULTS: We identified 180 records, and 26 met inclusion criteria (six were reviews or narratives). We identified 11 completed primary studies (one from citation tracing), seven protocols, and three abstracts. Telerehabilitation was predominantly delivered one-on-one, often using synchronous or hybrid formats. The most common form of therapy was cognitive behavioural therapy. Most completed studies involved a small number of participants, and all were conducted in high-income countries. Identified gaps included disparities in telerehabilitation access and limited completed studies for some subtypes (e.g., functional cognitive and speech disorders) or forms of therapy (e.g., physical therapy, etc.). CONCLUSION: Telerehabilitation as a viable approach to management for some FND patients has been primarily described in the literature in one-on-one and synchronous/hybrid formats, providing insights for future research and clinical practices. Emerging trends explore understudied subtypes, other remotely deliverable therapies, and the use of innovative technologies such as wearable sensors and a Tremor Retrainer smartphone application.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,001 |
| 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 ».