Use of a driving simulator to improve on‐road driving performance and cognition in persons with <scp>P</scp>arkinson's disease: A pilot study
Notice bibliographique
Résumé
BACKGROUND/AIM: The use of simulators as an assessment and intervention tool for driving is an emerging field in occupational therapy. We investigated the potential usefulness of a driving simulator to improve on-road skills and cognitive functions in drivers with Parkinson's disease (PD). METHOD: Fifteen participants with PD, and Hoehn and Yahr stages between 2 and 3 participated in this pre-post comparison study. Twelve of the 15 individuals (median age (Q1-Q3), 68 (63.5-72.5); 10 men) completed 10 hours of training in a high-fidelity driving simulator. A practical road test as well as off-road cognitive and simulator tests were administered at pre-training and post-training. RESULTS: Nine participants, who passed the road test before training, passed at post-training. Furthermore, all three participants who initially failed the on-road test passed after training. Participants' performance improved significantly from pre- to post-training on two cognitive tests: (i) the Montreal Cognitive Assessment and (ii) Dot Cancellation test. CONCLUSION: This pilot study demonstrates the potential usefulness of a simulator to improve on-road driving and driving-related cognitive skills in PD. Adequately powered randomized controlled trials are needed to further expand this field of study.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».