MétaCan
Menu
Retour à la cohorte
Enregistrement W2075993556 · doi:10.3389/fnhum.2015.00225

Measuring treatment effects on dual-task performance: a framework for research and clinical practice

2015· article· en· W2075993556 sur OpenAlexaff
Prudence Plummer, Gail A. Eskes

Notice bibliographique

RevueFrontiers in Human Neuroscience · 2015
Typearticle
Langueen
DomaineMedicine
ThématiqueStroke Rehabilitation and Recovery
Établissements canadiensDalhousie University
Organismes subventionnairesnon disponible
Mots-clésTask (project management)Dual (grammatical number)Perspective (graphical)Computer scienceCognitive psychologyReciprocalInterference (communication)PsychologyArtificial intelligenceTelecommunications

Résumé

récupéré en direct d'OpenAlex

The relevance of dual-task walking to everyday ambulation is widely acknowledged, and numerous studies have demonstrated that dual-task interference can significantly impact recovery of functional walking in people with neurological disorders. The magnitude and direction of dual-task interference is influenced by the interaction between the two tasks, including how individuals spontaneously prioritize their attention. Therefore, to accurately interpret and characterize dual-task interference and identify changes over time, it is imperative to evaluate single and dual-task performance in both tasks, as well as the tasks relative to each other. Yet, reciprocal dual-task effects (DTE) are frequently ignored. The purpose of this perspective paper is to present a framework for measuring treatment effects on dual-task interference, specifically taking into account the interactions between the two tasks and how this can provide information on whether overall dual-task capacity has improved or a different attentional strategy has been adopted. In discussing the clinical implications of using this framework, we provide specific examples of using this method and provide some explicit recommendations for research and clinical practice.

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)0,433
score de la tête « metaresearch » (Gemma)0,326
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,433
Score d'incertitude au seuil0,699

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,4330,326
Méta-épidémiologie (sens strict)0,0060,002
Méta-épidémiologie (sens large)0,0130,006
Bibliométrie0,0120,007
Études des sciences et des technologies0,0050,026
Communication savante0,0130,011
Science ouverte0,0120,012
Intégrité de la recherche0,0090,012
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,224
Tête enseignante GPT0,464
Écart entre enseignants0,240 · 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.

Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations387
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in Human NeuroscienceMême sujetStroke Rehabilitation and RecoveryTravaux en français237 207