MétaCan
Menu
Retour à la cohorte
Enregistrement W4415114307 · doi:10.1186/s12984-026-01990-z

Creating an engaging brain computer interface, electrical stimulation therapy for children with hemiparesis: a pilot study

2025· article· en· W4415114307 sur OpenAlexafffund
Anna Bourgeois, Meghan Maiani BScOT, Araz Minhas, Dejana Nikitovic, Brian Irvine, Ion Robu, Nathan Brand, Zeanna Jadavji, Gregory E. Wilding, Mateo Ambrogiano, Emily Schrag, Alicia Hilderley, Daniel Comadurán Márquez, Helen L. Carlson, Nicole Romanow, Adam Kirton, Eli Kinney‐Lang

Notice bibliographique

RevueJournal of NeuroEngineering and Rehabilitation · 2025
Typearticle
Langueen
DomaineNeuroscience
ThématiqueEEG and Brain-Computer Interfaces
Établissements canadiensSAIT PolytechnicAlberta Children's HospitalUniversity of Calgary
Organismes subventionnairesAlberta Children's Hospital FoundationChildren's Hospital Foundation
Mots-clésHemiparesisFunctional electrical stimulationBrain–computer interfaceStroke (engine)Brain stimulationMotor skillSwIPeBrain activity and meditationMotor learning

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Perinatal stroke can lead to lifelong physical disabilities, where even small improvements in motor function can increase quality of life. Rapid brain development in children provides an opportunity to harness brain plasticity. Current therapies are minimally effective due in part to the boring, unengaging procedures required to achieve adequate repetitions required for therapeutic benefit. The combination of brain computer interface and functional electrical stimulation (BCI-FES) may be effective for adults with stroke-induced hemiparesis and appears feasible in children. We designed a novel BCI-FES system that uses social media to engage youth. METHODS: The project was informed through engagement with youth patient partners with lived experience. Participants were fitted with a 16channel EEG gel headset. BCI training consisted of 20 trials of attempted target movement. Successful classification was paired with FES of the target movement and allowed the participant to swipe to watch the next video as desired. Youth with perinatal stroke and hemiparesis were then recruited to trial the system. Outcomes included training accuracy, BCI performance (Cohen's kappa), box and blocks, and qualitative interviews to characterize usability and patient experience. RESULTS: Twelve participants (aged 10–23 years) completed three sessions. No adverse events occurred; fatigue was minimal and varied across sessions. System performance varied but most sessions had moderate or better agreement. Average repetitions for all sessions were 167 reps/hour [SD = 55.2 range = 65–283 reps/hour] with FES and 247 reps/hour [SD = 74.9 range = 105–379 reps/hour] with and without FES (attempts and training). Motor outcomes were variable but improved for some. Qualitative feedback suggested higher motivation and enjoyment compared with traditional therapies but also identified frustrations surrounding technical challenges and equipment comfort. CONCLUSION: Informed by users, simple EEG-based BCI can be integrated with FES and social media to enhance upper extremity rehabilitation in youth with hemiparesis. This pilot trial will inform the design of future clinical trials to evaluate efficacy.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Essai non randomisé · Signal consensuel: Essai non randomisé
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,019

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,005
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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.

Tête enseignante Opus0,016
Tête enseignante GPT0,287
Écart entre enseignants0,271 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeEssai non randomisé
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of NeuroEngineering and RehabilitationMême sujetEEG and Brain-Computer InterfacesTravaux en français237 207