Inducing Visuomotor Adaptation Using Virtual Reality Gaming with a Virtual Shift as a Treatment for Unilateral Spatial Neglect
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Unilateral spatial neglect after stroke is characterized by reduced responses to stimuli on the contralesional side, causing significant impairments in self-care and safety. Conventional visuomotor adaptation (VMA) with prisms that cause a lateral shift of the visual scene can decrease neglect symptoms but is not engaging according to patients. Performing VMA within a virtual reality (VR) environment may be more engaging but has never been tested. To determine if VMA can be elicited in a VR environment, healthy subjects (n=7) underwent VMA that was elicited by either wearing prisms that caused an optical shift, or by application of a virtual shift of the hand cursor within the VR environment. A low cost VR system was developed by coupling the Kinect v2 gaming sensor to online games via the Flexible Action and Articulated Skeleton Toolkit (FAAST) software. The adaptation phase of training consisted of a reaching task in online games or in a custom target pointing program. Following the adaptation phase the optical or virtual shift was removed and participants were assessed during the initial portion of the de-adaptation phase for the presence of an after-effect on their reaching movements, with lateral reaching errors indicating the successful induction of VMA. Results show that practicing reaching in a VR environment with a virtual shift lead to a horizontal after-effect similar to conventional prism adaptation. The results demonstrate that VMA can be elicited in a VR environment and suggest that VR gaming therapy could be used to improve recovery from unilateral spatial neglect.
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.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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) | 0,000 | 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 découle