XiaoMi-AI文件搜索系统
World File Search System偏瘫
儿童偏瘫的口服ATP治疗 使用基于本体的网络情境意识系统保护数字资产 在小跑赛车中使用鞭子 - 对速度变化的影响和... 学术界的气候意识：奥地利国际学生的空中旅行态度的研究 深度学习捕获了上毒在多因素疾病中的影响 人工智能在慢性病健康管理中的应用：书目分析 基于平板电脑的手动敏捷性检测早期精神病的定量评估 阿尔茨海默氏病和传染性药物 肠道菌组和神经精神疾病 气候变化和自杀流行病学：全球自杀率性别变化的系统评价和荟萃分析 对牛皮利亚corylifolia l。的评论：具有深刻生物学意义的有价值的植物 铁直肠癌在结直肠癌中的作用及其与免疫疗法的潜在协同作用 使用人工智能的生物多样性标准化自动图像分析 罕见的婴儿间质肺疾病 对尼日利亚气候引起的气候粮食不安全的韧性 身体成分和二氧化碳饮食排放
儿童期交替偏瘫（AHC）是一种罕见的神经系统疾病，通常在18个月大之前表现出来，其特征是复发性，交替的偏瘫发作，其频率可变，并且可以持续几分钟到几天。我们在一个小女孩中介绍了一个AHC的案例，该案件在ATP1A3基因（P.Glu815lys）中携带零星突变（p.glu815lys）对氟纳氨基氨酸的难治性，并且由于用腺苷5'-三磷酸腺苷（Triphosphate（Priphosphate）口服化合物治疗的不良反应，因此对topiramate不合格。通过随访评估结果，并定期监测副作用和安全性。复合药物显示出有效性和安全性。的确，在四年的随访中，随着腺苷-5'三磷酸的剂量逐渐增加至21 mg/kg，患者在控制偏瘫发作的频率和持续时间和神经系统恶化的改善方面表现出很大的好处。
任务导向训练联合振动疗法对脑卒中偏瘫患者上肢功能的影响
摘要：目的：研究任务导向训练联合振动疗法对脑卒中偏瘫患者上肢功能的影响。方法：将108例脑卒中偏瘫患者随机分为对照组（常规上肢训练，36例）、观察组1（常规上肢训练加振动疗法，36例）和观察组2（常规上肢训练加振动疗法加任务导向训练，36例）。剔除退出研究的患者，共95例，其中对照组30例，观察组132例，观察组233例。治疗后对所有患者进行Fugl-Meyer功能评估量表（FMA）、Wolf运动功能测试（WMFT）、改良Ashworth痉挛评定量表（MAS）评分及最大握力评估，并进行比较。结果：治疗前3组FMA评分比较差异均无统计学意义（P>0.05）。对照组治疗前后FMA、WMFT、MAS评分及最大握力均无差异（均P>0.05），观察1、2组治疗前后FMA、MAS评分及最大握力比较差异均有统计学意义（均P<0.05）。治疗后，观察1组FMA评分及最大握力高于对照组，MAS评分低于对照组，差异均有统计学意义（均P<0.05）。观察2组FMA、WMFT评分及最大握力高于对照组和观察1组，MAS评分低于其余各组，差异均有统计学意义（均P<0.05）。结论：任务导向训练联合振动疗法对脑卒中偏瘫患者上肢功能障碍康复有显著效果，值得临床推广应用。
虚拟现实循环平台对共济失调和偏瘫患者下肢康复的影响：飞行员随机对照试验
背景：在共济失调和偏瘫患者中，已经测试了基于运动学习原理和神经可塑性的新干预措施。踩踏运动的疗法也表明了它们可以诱导肌肉活动，力量和平衡改善的潜力。虚拟现实（VR）已被证明是改善遵守物理疗法的有效工具，但是如果促进比传统疗法更大的改进，仍然不确定。目的：我们的目标是比较使用VR技术进行循环运动而不是使用VR技术时对下肢运动范围（ROM）的影响。方法：进行了20例共济失调患者和偏瘫患者的一项随机对照试验。参与者分为2组：实验组（n = 10，50％）使用VR系统进行了踩踏板练习，并且对照组（n = 10，50％）进行了踏板练习而无需使用VR。在循环干预之前和之后，进行了髋关节和膝关节活性ROM的测量，其中包括3个相同持续时间的疗程，但速度逐渐增加（4、5和6 km/h）。进行了重复测量方差分析，以比较每组内干预前（T I）和干预后（T e）评估。此外，通过比较每组干预前和干预后评估之间的变异系数（δ= 1 - [t e / t i]），分析了使用VR系统的改进效果。使用独立的1尾t检验进行组比较。结果：随着时间的推移，活跃的左髋屈曲（P = .03）显示了显着改进，但是没有组时间相互作用效应（p = .67）。被动左臀部屈曲（P = .93）没有显示出显着的改进，并且观察到有效和被动右髋屈曲的相似结果（分别为p = .39和p = .83）。均未对膝盖屈曲的评估（主动左：P = .06;被动左：P = .76;活动右：P = .34; Passive右：P = .06）或膝盖伸展表现出显着变化（活动左：P = .66; Passive左：P = .92; P = .92; active右：P = .12; Passive p = .12; passive右右：P = .38）。但是，随着时间的推移，被动右膝盖伸展（p = .04）显示出显着改善。总体而言，尽管膝盖和髋关节的活跃和被动的ROM显示出一般的改善，但两组之间没有发现统计学上的显着差异。结论：在这项研究中，使用VR系统进行骑自行车干预的参与者显示，下肢ROM的改善与接受常规培训的参与者相似。最终，VR系统可用于吸引参与者进行体育活动。
原创研究神经病学
之前已证明，使用非侵入性 BCI 控制的机器人装置进行神经康复与传统治疗方式相结合可显著改善脑瘫儿童的运动能力。然而，之前的研究中并没有分析脑电图记录。本文旨在描述在一系列 10 次基于 BCI 的神经康复疗程中脑电图 α 节律的反应模式。这项研究针对 32 名年龄在 10 至 18 岁之间、患有右侧或左侧偏瘫的男孩和女孩进行。在静息和手指伸展运动意象期间，从 21 个电极记录脑电图。在第一次疗程中，左侧和右侧偏瘫患者在运动意象期间的 α 节律反应模式不同。在左手运动排练期间，Р2 时的差异具有统计学意义（F 1, 30 = 5.10；p < 0.05）。在最后一次治疗中，α 节律反应模式有所不同：在某些电极位置，同步被去同步所取代，表明大脑皮层活动增加。左侧偏瘫儿童的脑电图变化最为明显（F 20, 300 = 1.84；p < 0.05）。到康复课程结束时，左侧和右侧偏瘫患者之间的差异变得不那么明显。α 频带脑电图模式的重新排列可以被视为负责规划和执行复杂手部运动的神经回路有益重组的迹象。
行为障碍，精神疾病和神经退行性疾病中的体育活动
3偏瘫偏瘫和瘫痪障碍中的体育活动表现。4脊髓疾病中的体育活动表现。5帕金森综合症，神经病和脱髓鞘疾病的体育锻炼表现。6中风，抑郁和心理困扰中的体育活动表现。中期检查 - 1 7体育活动对精神疾病和神经退行性疾病的影响。8测试选择，灵活性和神经系统障碍的迁移率的原则。9强度，协调和速度神经系统障碍。10营养，运动和康复活动精神疾病和神经系统疾病。11精神疾病和神经系统疾病的平衡和稳定性
案例研究
摘要 偏瘫性中风是包括印度在内的许多国家的主要死亡原因之一。在偏瘫性中风中，痉挛和肌肉萎缩导致无法移动某些肌肉。大多数中风后并发症，如无力和肩痛，是治疗干预的主要问题。最近，康复、人工智能、脑机接口等跨学科方法取得了进展，主要针对中风后并发症。在本病例报告研究中，55 岁男性烟瘾严重，HBA1c 改变，中性粒细胞升高，红细胞沉降率和 C 反应蛋白升高，CT 扫描报告轻度脑萎缩提示偏瘫性中风。患者躺在担架上入院，左手失去知觉，Vaksanga（言语障碍）。在征得患者和家属同意后，开始综合治疗。经过 15 天的综合治疗（包括 T-AYU-HM Premium），患者病情明显好转。患者左手活动能力受损的情况已恢复，口齿不清的情况也显著改善。这证实了阿育吠陀医学在卒中后管理和卒中预防中的干预可能发挥关键作用。应开展更多此类干预性案例研究或试验来证明其合理性。
各种机器学习的实现
轮替运动是传统神经系统检查的一个标准方面，涉及具有主动肌和拮抗肌关系的肌肉群之间的振荡。一个有代表性的例子是前臂的旋前和旋后。偏瘫明显证明了轮替运动的差异，临床量化是通过使用序数标度来实现的，这本质上是主观的。安装在手背周围的配备陀螺仪的适形可穿戴无线惯性传感器可以客观地量化前臂旋前和旋后的轮替运动。这项研究的目标是应用各种机器学习算法，根据前臂旋前和旋后的轮替运动来区分偏瘫患者受影响和未受影响的上肢对。评估了机器学习算法（例如多层感知器神经网络、J48 决策树、随机森林、K 最近邻、逻辑回归和朴素贝叶斯）的性能，同时考虑了分类准确性和开发机器学习模型的时间。机器学习特征集来自获取的陀螺仪信号数据。使用来自适形可穿戴无线惯性传感器的陀螺仪信号数据，逻辑回归和朴素贝叶斯机器学习算法在机器学习模型收敛时间和区分偏瘫上肢对的轮转运动（考虑到内旋和外旋）的分类准确性方面都实现了相当不错的性能。
研究论文通过基于脑电图的大脑网络解码涉及下肢的运动协调意象
相较于传统物理治疗的疗效，一种利用运动想象疗法治疗脑卒中偏瘫患者的新疗法可诱导大脑可塑性并可使患者部分恢复运动能力。本文提出了一种利用下肢运动协调想象（正常步态想象和中风后偏瘫步态想象）的更新范式，并通过基于脑电图的脑网络对此类想象进行解码。招募30名受试者在下肢运动协调想象期间采集脑电图。采用时域分析、功率谱分析、时频分析、脑网络分析和统计学分析探讨下肢运动协调想象的神经机制。提取10个基于脑电图的脑网络特征，并使用支持向量机进行解码。结果显示，两种运动协调想象主要激活感觉运动区域，频带功率主要集中在θ和α带，脑功能连接主要发生在右前额。基于脑电信号的脑网络的网络属性与邻接矩阵的空间特征的组合对两种步态表象具有良好的可分离性（p < 0.05），组合特征的平均分类准确率为 92.96% ± 7.54%。综合来看，我们的研究结果表明脑网络特征可用于识别中风后的正常步态表象和偏瘫步态表象。