An Immersive Virtual Reality Platform for Assessing Spatial Navigation Memory in Predementia Screening: Feasibility and Usability Study
Notice bibliographique
Résumé
BACKGROUND: Traditional methods for assessing memory are expensive and have high administrative costs. Memory assessment is important for establishing cognitive impairment in cases such as detecting dementia in older adults. Virtual reality (VR) technology can assist in establishing better quality outcome in such crucial screening by supporting the well-being of individuals and offering them an engaging, cognitively challenging task that is not stressful. However, unmet user needs can compromise the validity of the outcome. Therefore, screening technology for older adults must address their specific design and usability requirements. OBJECTIVE: This study aimed to design and evaluate the feasibility of an immersive VR platform to assess spatial navigation memory in older adults and establish its compatibility by comparing the outcome to a standard screening platform on a personal computer (PC). METHODS: VR-CogAssess is a platform integrating an Oculus Rift head-mounted display and immersive photorealistic imagery. In a pilot study with healthy older adults (N=42; mean age 73.22 years, SD 9.26), a landmark recall test was conducted, and assessment on the VR-CogAssess was compared against a standard PC (SPC) setup. RESULTS: Results showed that participants in VR were significantly more engaged (P=.003), achieved higher landmark recall scores (P=.004), made less navigational mistakes (P=.04), and reported a higher level of presence (P=.002) than those in SPC setup. In addition, participants in VR indicated no significantly higher stress than SPC setup (P=.87). CONCLUSIONS: The study findings suggest immersive VR is feasible and compatible with SPC counterpart for spatial navigation memory assessment. The study provides a set of design guidelines for creating similar platforms in the future.
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 | 0,003 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».