Smooth Pursuit and Saccades after Sport-Related Concussion
Notice bibliographique
Résumé
Smooth pursuit eye movements (SPEMs) and saccadic eye movements are both commonly impaired following sport-related concussion (SRC). Typical oculomotor assessments measure individual eye movements in a series of restrictive tests designed to isolate features such as response times. These measures lack ecological validity for athletes because athletes are adept at simple tasks designed for the general population. Yet, because eye movement metrics are sensitive and well-characterized neuroanatomically, it would be valuable to test whether athletes exhibit abnormal eye movements with more challenging tasks. To address this gap in knowledge, we collected eye-tracking data during a sport-like task to gain insight on gaze behavior during active self-motion. SPEMs and saccadic eye movements were recorded during a sport-like visual task within 24–48 h following SRC. Thirty-six Division I student-athletes were divided into SRC and control (CON) groups. All participants completed two blocks of the Wii Fit © soccer heading game (WF) while wearing a monocular infrared eye tracker. Eye movement classification systems quantified saccadic amplitude (SA), velocity (SV), and count (SC); as well as SPEM velocity (SPV) and amplitude (SPA). Separate Mann-Whitney U tests evaluated SPA and SC and found no significant effects (SPA, p = 0.11; SC, p = 0.10). A multi-variate analysis of variance (MANOVA) for remaining variables revealed SPV was significantly greater in CON ( p < 0.05), but the SRC group had greater SA and SV ( p < 0.05). These findings suggest that during a sport-like task, to maintain foveation SRC subjects used larger amplitude, faster saccades, but exhibited slower SPEMs. Measuring oculomotor function during ecologically valid, sport-like tasks may serve as a concussion biomarker and provide insights into eye movement control after SRC.
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 | 0,000 |
| 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 | 0,001 |
| 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 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 ».