MétaCan
Menu
← Retour à la cohorte
Enregistrement W6901935780 · doi:10.6084/m9.figshare.12234692

Examining the effect of virtual reality therapy on cognition post-stroke: a systematic review and meta-analysis

2020· article· en· W6901935780 sur OpenAlexaff

Notice bibliographique

RevueFigshare · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueStroke Rehabilitation and Recovery
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésCognitionPsychological interventionVirtual realityIntervention (counseling)Cognitive therapyVirtual Reality Exposure TherapyCognitive Intervention

Résumé

récupéré en direct d'OpenAlex

Virtual reality (VR) are user-computer interface platforms that implement real-time simulation of an activity or environment, allowing user interaction via multiple sensory modalities. VR therapy may be an effective intervention for improving cognitive function following stroke. The aim of this systematic review was to examine the effectiveness of exercise-based VR therapy on cognition post-stroke. Electronic databases were searched for terms related to “stroke”, “virtual reality”, “exercise” and “cognition”. Studies were included if they: (1) were randomized-controlled trials; (2) included VR-based interventions; (3) included individuals with stroke; and (4) included outcome measures related to cognitive function. Data from included studies were synthesised qualitatively and where possible, random effects meta-analyses were performed. Eight studies involving 196 participants were included in the review, of which five were included in meta-analyses (n = 124 participants). Studies varied in terms of type (combination of VR therapy and conventional therapy, combination of VR therapy and computer-based cognitive training, VR therapy alone) and duration of interventions (20–180 min), sample size (n = 12–42), length of the interventions (4–8 weeks), and cognitive outcomes examined. VR therapy was not more effective than control for improving global cognition (n = 5, SMD = 0.24, 95%CI:−0.30,0.78, p = .38), memory (n = 2 studies, SMD= 0.00, 95%CI: −0.58, 0.59, p = .99), attention (n = 2 studies, MD = 8.90, 95%CI: −27.89, 45.70, p = .64) or language (n = 2 studies, SMD = 0.56, 95%CI: −0.08,1.21, p = .09). VR therapy was not superior to control interventions in improving cognition in individuals with stroke. Future research should include high-quality and adequately powered trials examining the impact of virtual reality therapy on cognition post-stroke.Implications for rehabilitationVirtual reality therapy is a promising new form of technology that has been shown to increase patient satisfaction towards stroke rehabilitation.Virtual reality therapy has the added benefits of providing instant feedback, and the difficulty can be easily modified, underscoring the user-friendliness of this form of rehabilitation.Virtual reality therapy has the potential to improve various motor, cognitive and physical deficits following stroke, highlighting its usefulness in rehabilitation settings. Virtual reality therapy is a promising new form of technology that has been shown to increase patient satisfaction towards stroke rehabilitation. Virtual reality therapy has the added benefits of providing instant feedback, and the difficulty can be easily modified, underscoring the user-friendliness of this form of rehabilitation. Virtual reality therapy has the potential to improve various motor, cognitive and physical deficits following stroke, highlighting its usefulness in rehabilitation settings.

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)0,012
score de la tête « metaresearch » (Gemma)0,034
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Méta-analyse · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,019
Score d'incertitude au seuil0,064

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0120,034
Méta-épidémiologie (sens strict)0,0030,002
Méta-épidémiologie (sens large)0,0190,031
Bibliométrie0,0070,008
Études des sciences et des technologies0,0010,001
Communication savante0,0040,002
Science ouverte0,0020,002
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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.

Tête enseignante Opus0,115
Tête enseignante GPT0,331
Écart entre enseignants0,216 · 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'étudeMéta-analyse
Domainenon disponible
GenreSynthèse

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
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFigshare→Même sujetStroke Rehabilitation and Recovery→Travaux en français237 207→