Virtual Reality-Based Navigation Task to Reveal Obstacle Avoidance Performance in Individuals With Visuospatial Neglect
Notice bibliographique
Résumé
Persons with post-stroke visuospatial neglect (VSN) often collide with moving obstacles while walking. It is not well understood whether the collisions occur as a result of attentional-perceptual deficits caused by VSN or due to post-stroke locomotor deficits. We assessed individuals with VSN on a seated, joystick-driven obstacle avoidance task, thus eliminating the influence of locomotion. Twelve participants with VSN were tested on obstacle detection and obstacle avoidance tasks in a virtual environment that included three obstacles approaching head-on or 30 (°) contralesionally/ipsilesionally. Our results indicate that in the detection task, the contralesional and head-on obstacles were detected at closer proximities compared to the ipsilesional obstacle. For the avoidance task collisions were observed only for the contralesional and head-on obstacle approaches. For the contralesional obstacle approach, participants initiated their avoidance strategies at smaller distances from the obstacle and maintained smaller minimum distances from the obstacles. The distance at detection showed a negative association with the distance at the onset of avoidance strategy for all three obstacle approaches. We conclusion the observation of collisions with contralesional and head-on obstacles, in the absence of locomotor burden, provides evidence that attentional-perceptual deficits due to VSN, independent of post-stroke locomotor deficits, alter obstacle avoidance abilities.
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 | 0,001 |
| 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 ».