MétaCan
Menu
Retour à la cohorte
Enregistrement W2585587548 · doi:10.1037/xap0000107

Passive restraint reduces visually induced motion sickness in older adults.

2017· article· en· W2585587548 sur OpenAlexaff
Behrang Keshavarz, Alison C. Novak, Lawrence J. Hettinger, Thomas A. Stoffregen, Jennifer L. Campos

Notice bibliographique

RevueJournal of Experimental Psychology Applied · 2017
Typearticle
Langueen
DomaineComputer Science
ThématiqueVirtual Reality Applications and Impacts
Établissements canadiensToronto Rehabilitation Institute
Organismes subventionnairesnon disponible
Mots-clésMotion sicknessTorsoSimulator sicknessPhysical medicine and rehabilitationVideo gameMedicinePoison controlPhysical therapyMotion (physics)PsychologyAudiologyMedical emergencyComputer scienceMultimedia

Résumé

récupéré en direct d'OpenAlex

Virtual environments such as those used in video games and driving/flight simulators are used for entertainment and training, but are often associated with visually induced motion sickness (VIMS). In this study, we asked whether passive restraint of the head and torso could reduce VIMS in younger and older adults. Twenty-one younger (18-35 years) and 16 older (65 + years) healthy adults engaged in a simulated driving task using a console video game while seated. On different days, participants completed 2 conditions: (a) in the unrestrained condition, participants were seated in a chair without a backrest and were free to move and (b) in the restrained condition, participants' head and torso were passively restrained to the backrest and headrest of the seat using tense elastic strips. Before and after exposure to the driving game, we measured standing postural sway with eyes closed. VIMS severity was quantified using the Fast Motion Sickness Scale and the Simulator Sickness Questionnaire. Results showed that older (but not younger) participants who became sick in the unrestrained condition reported significantly less VIMS when they were passively restrained. The present findings suggest that passive restraint may be useful to reduce, but not fully prevent, VIMS, particularly in older adults. (PsycINFO Database Record

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,005

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)0,0010,000

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 Opus0,036
Tête enseignante GPT0,382
Écart entre enseignants0,346 · 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

Citations43
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Experimental Psychology AppliedMême sujetVirtual Reality Applications and ImpactsTravaux en français237 207