MétaCan
Menu
Retour à la cohorte
Enregistrement W2997625457 · doi:10.1186/s12883-019-1543-8

Cognitive mediated eye movements during the SDMT reveal the challenges with processing speed faced by people with MS

2019· article· en· W2997625457 sur OpenAlexafffund
Bennis Pavisian, Viral Patel, Anthony Feinstein

Notice bibliographique

RevueBMC Neurology · 2019
Typearticle
Langueen
DomaineNeuroscience
ThématiqueVestibular and auditory disorders
Établissements canadiensUniversity of TorontoHealth Sciences CentreSunnybrook Health Science Centre
Organismes subventionnairesMultiple Sclerosis SocietyMultiple Sclerosis Society of Canada
Mots-clésNeurologyNeurochemistryEye movementCognitionPsychologyCognitive psychologyNeurosurgeryVisual processingMedicineNeurosciencePsychiatryPerception

Résumé

récupéré en direct d'OpenAlex

Abstract Background The Symbol Digit Modalities Test (SDMT) is regarded as the cognitive test of choice for people with MS (pwMS). While deficits are linked to impaired processing speed, the mechanisms by which they arise are unclear. Cognitive-mediated eye movements offer one putative explanation. The objective of this study was to determine the association between eye movements and performance on the SDMT. Methods Thirty-three people with confirmed MS and 25 matched healthy control subjects (HC) were administered the oral SDMT while eye movements were recorded. Results Mean SDMT scores were significantly lower in pwMS ( p < 0.038). Shorter mean saccade distance in the key area ( p = 0.007), more visits to the key area per response ( p = 0.014), and more total number of fixations in the test area ( p = 0.045) differentiated pwMS from HCs. A hierarchical regression analysis revealed that the number of visits to the key area per response ( p < 0.001; ΔR 2 = 0.549) and total number of fixations in the test area (p < 0.001; ΔR 2 = 0.782) were the most robust predictors of SDMT scores. Conclusion Cognitive-mediated eye movements help elucidate the processing speed challenges confronted by people with MS. Mechanistic insights such as these can potentially help inform new cognitive rehabilitation strategies.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,328
Score d'incertitude au seuil0,431

Scores Codex et Gemma par catégorie

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

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 Opus0,015
Tête enseignante GPT0,236
Écart entre enseignants0,221 · 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 tête enseignante, 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

Citations11
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBMC NeurologyMême sujetVestibular and auditory disordersTravaux en français237 207