Effects of Robot-Assisted Upper Extremity Training on Cognitive and Physical Functions in Patients With Stroke
Notice bibliographique
Résumé
OBJECTIVE: Primary aim was to investigate the effects of upper extremity robot-assisted training, applied in addition to conventional rehabilitation program, on cognitive functions after stroke. Secondary aim was to investigate its effects on upper extremity motor functions and activities, hand dexterity, and daily living activities. DESIGN: Forty postacute stroke patients were randomized into robotic ( n = 20) and control ( n = 20) groups. All patients received a conventional rehabilitation program for 6 weeks, total 30 sessions. The robotic group received additional robot-assisted training to the affected upper extremity by exoskeleton robotic system at each session. Cognitive functions (Montreal Cognitive Assessment), upper extremity motor functions (Fugl-Meyer Assessment of Upper Extremity), upper extremity activities (Motor Activity Log-28), hand dexterity (Box and Block Test), and daily living activities (Functional Independence Measure) were assessed before and after the treatment, and at 3-mo follow-up. RESULTS: Both groups showed significant improvements regarding primary and secondary outcomes ( P < 0.05). However, improvements in all outcome measures did not differ significantly between the groups ( P > 0.0167). CONCLUSIONS: Upper extremity robot-assisted training applied in addition to conventional rehabilitation program in postacute stroke provided no extra benefit in terms of improvements in cognitive functions, as well as upper extremity motor functions and activities, hand dexterity, and daily living activities.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».