Effects of Exergame with Biofeedback Training on Functional Status, Cognition, and Quality of Life in Outpatients with Polyneuropathies: A Longitudinal Pilot Study
Notice bibliographique
Résumé
Background: Polyneuropathies impair sensory, motor, and autonomic functions, affecting functional status, cognition, and quality of life. This pilot study investigated the effects of exergame with biofeedback training (Riablo system) versus standard rehabilitation on these outcomes in outpatients with mixed-etiology polyneuropathies. Methods: Seventeen outpatients were assigned to standard rehabilitation (Group 1, n = 9) or combined standard plus Riablo training (Group 2, n = 8) over three weeks. Functional status, pain, cognition, quality of life, and psychological well-being were assessed pre- and post-intervention, with a 6-month follow-up. Outcome measures included the Morse Fall Scale, Visual Analogue Scales for pain and autonomy, Montreal Cognitive Assessment (MoCA), Trail Making Test (TMT), Stroop Test, Frontal Assessment Battery (FAB), Verbal fluency test, the Short-Form Health Survey-12 (SF-12), and the Patient Health Questionnaire-4 (PHQ-4). Longitudinal changes and between-group differences were analyzed using nonparametric statistics. Results: Both groups showed significant improvements in functional status and global cognition at post-intervention. Group 2 demonstrated greater improvements in executive functions and attention, with significant reductions in pain and fall risk. At 6-month follow-up, Group 2 maintained post-intervention gains in QoL and psychological outcomes, while Group 1 showed a significant decline. Technology evaluation revealed high usability and positive psychosocial impact in Group 2, with strong correlations between executive function improvements and device usability. Conclusions: Integrating exergames with biofeedback into standard rehabilitation may provide broader and longer-lasting benefits for polyneuropathy patients. These findings support further large-scale trials to confirm efficacy and optimize technology-assisted rehabilitation protocols.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».