MétaCan
Menu
Retour à la cohorte
Enregistrement W2751757794 · doi:10.1167/17.10.272

Does the baseline motor response predict the short-term adaptability of phasic vergence?

2017· article· en· W2751757794 sur OpenAlexaff
Ian M. Erkelens, William R. Bobier

Notice bibliographique

RevueJournal of Vision · 2017
Typearticle
Langueen
DomaineNeuroscience
ThématiqueEEG and Brain-Computer Interfaces
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésStimulus (psychology)AudiologyMathematicsPsychologyMedicine

Résumé

récupéré en direct d'OpenAlex

It has been hypothesized that faster, more accurate baseline neural-motor responses result in greater adaptability to repeated external perturbations. Like saccades, phasic convergence exhibits robust adaptive behavior when exposed to double-step gap stimuli. Directional asymmetries exist in the non-adapted baseline motor response of this phasic vergence mechanism to convergent or divergent disparities. We leverage these directional asymmetries to investigate the relationship between the baseline motor response and its adaptability to a double-step convergent or divergent stimuli. 10 adults (26±3.8y/o) completed 2 study visits where baseline convergence or divergence responses to a 2° disparity step were measured and then adapted using an increasing double-step stimuli (2°+1.5°, 175ms). Individual eye movements were recorded at 250Hz with infrared video oculography, while stimuli where presented dichoptically at 40cm. Vergence kinematics of baseline and adapted responses were compared between stimulus directions. Compared to convergence, divergence exhibited significantly less adaptive changes in gain (9±2%, vs. 31±3% p=0.0005), peak velocity (4±4% vs. 32±3% p=0.0001) and peak acceleration (3±5% vs.30±6%, p = 0.006). Only divergence gain was altered after adaptation (p = 0.005); while divergence peak velocity (p = 0.36) and peak acceleration (p=0.63) were unchanged. Adapted divergence response duration increased (25±9ms, p=0.03), whereas adapted convergence duration was unchanged (-6±9ms, p=0.97). Baseline convergence peak velocity was faster (12.5±1.4°/s vs. 8.7±2.4°/s, p=0.004) than divergence in all subjects. Baseline vergence peak velocity was the strongest predictor of the adaptability of the gain and peak velocity of each system. The results demonstrate that phasic convergence adapts to systematic errors by altering all orders of the dynamic response, whereas phasic divergence adapts by altering only the duration of response output. This adaptive behavior is most strongly correlated with the initial peak velocity of the response, suggesting the baseline neural-motor function determines the degree of adaptability within this oculomotor system. Meeting abstract presented at VSS 2017

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)0,002
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 seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
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 Opus0,038
Tête enseignante GPT0,336
Écart entre enseignants0,298 · 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

Citations1
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of VisionMême sujetEEG and Brain-Computer InterfacesTravaux en français237 207