Perceptual and locomotor factors affect obstacle avoidance in persons with visuospatial neglect
Notice bibliographique
Résumé
BACKGROUND: For safe ambulation in the community, detection and avoidance of static and moving obstacles is necessary. Such abilities may be compromised by the presence of visuospatial neglect (VSN), especially when the obstacles are present in the neglected, i.e. contralesional field. METHODS: Twelve participants with VSN were tested in a virtual environment (VE) for their ability to a) detect moving obstacles (perceptuo-motor task) using a joystick with their non-paretic hand, and b) avoid collision (locomotor task) with moving obstacles while walking in the VE. The responses of the participants to obstacles approaching on the contralesional side and from head-on were compared to those during ipsilesional approaches. RESULTS: Up to 67 percent of participants (8 out of 12) collided with either contralesional or head-on obstacles or both. Delay in detection (perceptuo-motor task) and execution of avoidance strategies, and smaller distances from obstacles (locomotor task) were observed for colliders compared to non-colliders. Participants' performance on the locomotor task was not explained by clinical measures of VSN but slower walkers displayed fewer collisions. CONCLUSION: Persons with VSN are at the risk of colliding with dynamic obstacles approaching from the contralesional side and from head-on. Locomotor-specific assessments of navigational abilities are needed to appreciate the recovery achieved or challenges faced by persons with VSN.
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 | 0,003 |
| 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) | 0,002 | 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 ».