MétaCan
Menu
← Retour à la cohorte
Enregistrement W2886294773 · doi:10.71781/18342

Entraîner le contrôle attentionnel chez la personne âgée : perspective comportementale et cérébrale

2017· dissertation· fr· W2886294773 sur OpenAlexfundno aff
Bianca Bier

Notice bibliographique

RevuePapyrus : Institutional Repository (Université de Montréal) · 2017
Typedissertation
Languefr
DomaineHealth Professions
ThématiqueAging, Elder Care, and Social Issues
Établissements canadiensnon disponible
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanadian Institutes of Health ResearchUniversité de Montréal
Mots-clésPsychologyHumanitiesPhilosophy

Résumé

récupéré en direct d'OpenAlex

L’objectif principal de cette thèse est d’évaluer l’effet des interventions cognitives sur le contrôle attentionnel en faisant appel à des mesures comportementales et à des mesures d’imagerie par résonance magnétique fonctionnelle (IRMf). La thèse comprend cinq articles empiriques. L’objectif de la première étude (Chapitre II) était d’examiner la source des différences reliées à l’âge au niveau du contrôle attentionnel. Les résultats suggèrent que les participants âgés présentent plus de difficultés que les jeunes adultes à varier le niveau d’attention à allouer à chacune des tâches selon la consigne d’emphase attentionnelle, reflétant un problème de contrôle attentionnel. La deuxième étude (Chapitre III) visait à comparer l’efficacité de trois types d’entraînement attentionnels chez la personne âgée. Les résultats montrent des effets spécifiques selon l’entraînement reçu. Seuls les participants âgés ayant suivi un entraînement à priorité VARIABLE, dans lequel ils étaient appelés à varier le niveau d’attention à allouer à chacune des tâches à travers plusieurs blocs, améliorent leurs capacités de contrôle attentionnel suite à l’entraînement. Cette amélioration ne peut être expliquée par la pratique aux tâches en attention focalisée, ni la pratique en double-tâche sans modulation attentionnelle. L’objectif de la troisième étude (Chapitre IV) était d’examiner si les bénéfices d’un entraînement à priorité VARIABLE pouvaient se transférer sur des tâches similaires à celles entraînées et sur des tâches plus représentatives du quotidien, à l’aide d’un paradigme de double-tâche immersive en réalité virtuelle (RV). Les résultats montrent qu’un entraînement à priorité VARIABLE améliore les capacités de contrôle attentionnel et, pour la première fois, que les effets bénéfiques de cet entraînement peuvent se transférer à un paradigme de double-tâche en RV chez une population âgée. De plus, nous montrons que les âgés bénéficient autant, voire même plus que les jeunes adultes, d’une intervention visant le contrôle attentionnel et que l’âge n’influence pas les effets de transfert obtenus. La quatrième étude (Chapitre V) examinait l’impact des entraînements attentionnels sur les changements d’activation en IRMf. Les résultats suggèrent que le cerveau est hautement plastique, même à un âge avancé, et que les changements d’activation obtenus diffèrent selon le type d’intervention reçu. Un entraînement à priorité VARIABLE, visant l’apprentissage de stratégies de contrôle attentionnel et les capacités métacognitives, est le seul qui produit des augmentations d’activation dans une région frontale impliquée dans la coordination multitâche et le contrôle attentionnel. Un entraînement visant la pratique répétée de tâche en attention focalisée produit plutôt des diminutions d’activation dans les régions préalablement recrutées. Enfin, l’objectif de la cinquième étude (Chapitre VI) était d’évaluer le décours temporel des changements d’activation à l’aide de trois séances en IRMf. On observe une augmentation d’activation suivie d’un plateau dans des régions reliées aux stratégies apprises pour l’entraînement à priorité VARIABLE, alors que les changements d’activation suite à un entraînement en pratique répétée sont caractérisés par une courbe en U-Inversée. Les résultats de cette dernière étude montrent que les changements d’activation sont non linéaires au cours de l’entraînement et, de façon similaire aux résultats obtenus dans la quatrième étude, modulés par le type d’intervention donné.

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)0,001
score de la tête « metaresearch » (Gemma)0,004
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,028

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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 Opus0,014
Tête enseignante GPT0,269
Écart entre enseignants0,255 · 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

Citations0
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePapyrus : Institutional Repository (Université de Montréal)→Même sujetAging, Elder Care, and Social Issues→Travaux en français237 207→