Comparing auditory, visual and vibrotactile cues in individuals with Parkinson’s disease for reducing risk of falling over different types of soil
Notice bibliographique
Résumé
INTRODUCTION: Several researchers have demonstrated the positive benefits of auditory and visual cueing in the gait improvements among individuals with Parkinson's disease (PD). However, few studies have evaluated the role of vibrotactile cueing when compared to auditory and visual cueing. This paper compares how these stimuli affect the risk of falling while walking on six types of soil (concrete, sand, parquet, broken stone, two types of carpet). METHODS: An instrumented Timed Up and Go (iTUG) test served to evaluate how audio, visual and vibrotactile cueing can affect the risk of falling of elderly. This pilot study proposes 12 participants with PD (67.7 ± 10.07 years) and nine age-matched controls (66.8 ± 8.0 years). Both groups performed the iTUG test with and without cueing. The cueing frequency was set at 10% above the cadence computed at the lower risk level of falling (walking over the concrete). A computed risk of falling (ROFA) index has been compared to the TUG time (total TUG duration). RESULTS: The index for evaluating the risk of falling appears to have a good reliability (ICC > 0.88) in this pilot study. In addition, the minimal detectable change (MDC) suggests that the proposed index could be more sensitive to the risk of falling variation compared to the TUG time. Moreover, while using the cueing, observed results suggest a significant decrease in the computed risk of falling compared to 'without cueing' for most of types of soil, especially for deformable soils, which can lead to falls. CONCLUSION: When compared to other cueing, it seems that audio could be a better neurofeedback for reducing the risk of falling over different walking surfaces, which represent important risk factors for persons with gait disorder or lost functional autonomy.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».