MétaCan
Menu
Retour à la cohorte
Enregistrement W2133437179 · doi:10.1080/02699050500456410

Human spatial navigation deficits after traumatic brain injury shown in the arena maze, a virtual Morris water maze

2006· article· en· W2133437179 sur OpenAlexaff
Ronald W. Skelton, Shelley Ross, Luděk Nerad, Sharon A. Livingstone

Notice bibliographique

RevueBrain Injury · 2006
Typearticle
Langueen
DomaineEngineering
ThématiqueSpatial Cognition and Navigation
Établissements canadiensUniversity of Victoria
Organismes subventionnairesnon disponible
Mots-clésTraumatic brain injuryMorris water navigation taskPsychologyPhysical medicine and rehabilitationTask (project management)Spatial memorySpatial learningVirtual realityWater mazeDevelopmental psychologyMedicineAudiologyNeuroscienceCognitionArtificial intelligenceComputer sciencePsychiatryWorking memoryEngineering

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: Survivors of traumatic brain injury (TBI) often have spatial navigation deficits. This study examined such deficits and conducted a detailed analysis of navigational behaviour in a virtual environment. DESIGN: TBI survivors were tested in a computer simulation of the Morris water maze task that required them to find and remember the location of an invisible platform that was always in the same location. A follow-up questionnaire assessed everyday spatial ability. METHOD: Fourteen survivors of moderate-to-severe TBI were compared to 12 non-injured participants. RESULTS: TBI survivors navigated to a visible platform but could not learn the location of the invisible platform. The difference between TBI survivors and uninjured participants was best indicated by two new dependent variables, path efficacy and spatial scores. CONCLUSION: This study confirms the capacity of virtual environments to reveal spatial navigation deficits after TBI and establishes the best way to identify such deficits.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,012
Tête enseignante GPT0,245
Écart entre enseignants0,233 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations71
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBrain InjuryMême sujetSpatial Cognition and NavigationTravaux en français237 207