Three-dimensional multiple object tracking in the pediatric population
Notice bibliographique
Résumé
As mild traumatic brain injury (mTBI) affects hundreds of thousands of children and their families each year, investigation of potential mTBI assessments and treatments is an important research target. Three-dimensional multiple object tracking (3D-MOT), where an individual must allocate attention to moving objects within 3D space, is one potentially promising assessment and treatment tool. To date, no research has looked at 3D-MOT in a pediatric mTBI population. Thus, the aim of this study was to examine 3D-MOT learning in children and youth with and without mTBI. Thirty-four participants (mean age=14.69±2.46 years), with and without mTBI, underwent six visits of 3D-MOT. A two-way repeated-measures analysis of variance (ANOVA) showed a significant time effect, a nonsignificant group effect, and a nonsignificant group-by-time interaction on absolute speed thresholds. In contrast, significant group and time effects and a significant group-by-time interaction on normalized speed thresholds were found. Individuals with mTBI showed smaller training gains at visit 2 than healthy controls, but the groups did not differ on the remaining visits. Although youth can significantly improve their 3D-MOT performance following mTBI, similar to noninjured individuals, they show slower speed of processing in the first few training sessions. This preliminary work suggests that using a 3D-MOT paradigm to train visual perception after mTBI may be beneficial for both stimulating recovery and informing return to activity decisions.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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) | 0,000 | 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 ».