Error Augmentation in Immersive Virtual Reality for Bimanual Upper-Limb Rehabilitation in Individuals With and Without Hemiplegic Cerebral Palsy
Notice bibliographique
Résumé
With more readily available commercial immersive virtual reality (VR) technologies, the potential of new feedback strategies as tools to facilitate motor rehabilitation should be investigated. Augmented feedback or error augmentation (EA) can easily be shown in a virtual environment. Here, visual EA provided via immersive VR was tested for its effectiveness to improve bimanual symmetry in a reaching task. A single-session crossover design was used to test two training cases, with or without EA. With EA, the distance between hands in the forward direction was augmented. Participants were recruited from typically developing (TD) populations (n = 12, ages 13-21) and performed in an adapted environment with an initial asymmetry between limbs. Also, five participants with hemiplegic cerebral palsy (CP) (ages 14-21, MACS I-III) completed the study. Among TD participants, a significantly larger change in symmetry in the adapted environment was shown after EA than training without EA (F (1, 10) = 9.64, p = 0.01). Each participant in the CP group also improved more after EA training (8.8-103.7)%, such that they achieved lower symmetry error after training with EA. As participants in both groups adapted more symmetrically with EA, beneficial changes from this training method could be evaluated in future studies for longer-term functional changes.
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 | 0,000 | 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 | 0,000 |
| 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 ».