The association between visual attention and body movement-controlled video games, balance and mobility in older adults
Notice bibliographique
Résumé
BACKGROUND: Body movement-controlled video games involving physical motion and visual attention may have the potential to train both abilities simultaneously. Our purpose was to determine the associations between performance in these games and visual attention, balance and mobility in a group of older adults. The long-term goal is to identify the optimal type of interactive games with regards to training potential. METHODS: Fifty healthy adults aged 65+ years participated in this cross-sectional study. Visual attention was measured with static and dynamic versions of a useful field of view (UFV) and a multiple object tracking (MOT) test. Balance was measured with a force plate in bi-pedal quiet stance test (QST) and one-legged stance (OLST). Gait variability and walking speed were assessed with the Five Meter Walk Test (5MWT). Four Microsoft™ Xbox® 360 Kinect™ interactive video games were chosen based on the apparent levels of visual attention demand. RESULTS: Visual attention (UFV and MOT) was significantly associated with performance in Xbox® Kinect™ games that appeared to have a high visual attention demand (p < 0.05), while there was minimal or no significant association with games with apparent low visual attention demand. Balance and mobility show correlations with visual attention, and with Xbox games. CONCLUSION: The results suggest that there are relationships between visual attention, balance, mobility and Xbox® Kinect™ game performance. Since different Xbox® games were associated with different balance, mobility and visual attention scores, a variety of such games, rather than a single game, may be most effective for training for falls prevention.
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 | 0,002 | 0,001 |
| 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 ».