Using Robotics to Quantify Impairments in Sensorimotor Ability, Visuospatial Attention, Working Memory, and Executive Function After Traumatic Brain Injury
Notice bibliographique
Résumé
OBJECTIVE: To investigate the use of a robotic assessment tool to quantify sensorimotor, visuospatial attention, and executive function impairments in individuals with traumatic brain injury (TBI). SETTING: Foothills Hospital (Calgary, Canada). PARTICIPANTS: Twenty-three subjects with first-time TBI in the subacute to chronic phase participated in this study. Normative data were collected from 275 to 494 neurologically intact control subjects for each robotic task. DESIGN: A prospective observational case series. Subjects with TBI completed brief clinical cognitive and motor assessments followed by robotic assessments of upper limb reaching, position sense, bimanual motor ability, attention, and visuospatial skills. Scores of subjects with TBI were compared with normative data. MAIN MEASURES: Robotic task performance was computed for each subject on each task, as well as performance on specific task parameters. Clinical assessments included the Montreal Cognitive Assessment, Fugl-Meyer upper extremity assessment, and Purdue Peg Board. RESULTS: Subjects with TBI demonstrated a variety of deficits on robotic tasks. The proportion of TBI subjects who were significantly different from controls ranged from 36% (dominant arm reaching) to 60% (bimanual object hitting task). CONCLUSION: Robotic measures allowed us to quantify a range of impairments specific to each subject, and offer an objective tool with which to examine these abilities after TBI.
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 | 0,003 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».