MétaCan
Menu
Retour à la cohorte
Enregistrement W2770642561 · doi:10.1177/2055668317738197

Cognitive fatigue effect on rehabilitation task performance in a haptic virtual environment system

2017· article· en· W2770642561 sur OpenAlexaff
Chun Yang, Yi-Ching Lin, MY Cai, ZQ Qian, J Kivol, Wenjun Zhang

Notice bibliographique

RevueJournal of Rehabilitation and Assistive Technologies Engineering · 2017
Typearticle
Langueen
DomaineMedicine
ThématiqueStroke Rehabilitation and Recovery
Établissements canadiensSaskatoon City HospitalUniversity of Saskatchewan
Organismes subventionnairesnon disponible
Mots-clésTask (project management)RehabilitationAffect (linguistics)CognitionHaptic technologyPhysical medicine and rehabilitationTest (biology)Noise (video)PsychologyCognitive rehabilitation therapyComputer scienceSimulationPhysical therapyMedicineEngineeringArtificial intelligenceCommunication

Résumé

récupéré en direct d'OpenAlex

INTRODUCTION: This paper presents a study on an affordable rehabilitation approach to post-stroke patients. In this approach, a patient performs a task on a haptic virtual environment system and a physician examines the patient's task remotely based on the performing data. OBJECTIVES: The objective of this study is to test a hypothesis that an elevated cognitive fatigue state may significantly affect the patient's task performance so as to disturb judgment by physicians. METHODS: The study included the development of a test-bed for the experiment and an experimental study for the hypothesis. The study took the wrist coordination function of the upper limb as an example. RESULT: The study showed that the cognitive fatigue state has a significant influence on the patient's task performance; in other words, there is a noise (75% discrepancy from the true performance information) in the performance data. CONCLUSION: The study provides great potential for accurate assessment of the functional state from true patient task performance. The future work needs to focus on the removal of the noise. The limitation of this study is that the experiment was carried out on healthy subjects, although post-stroke patients are more susceptible to an elevated cognitive fatigue state from a common sense.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,008
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,163
Score d'incertitude au seuil0,914

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
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)0,0000,000

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 Opus0,008
Tête enseignante GPT0,246
Écart entre enseignants0,238 · 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 tête enseignante, 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

Citations10
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Rehabilitation and Assistive Technologies EngineeringMême sujetStroke Rehabilitation and RecoveryTravaux en français237 207