MétaCan
Menu
Retour à la cohorte
Enregistrement W4205711340 · doi:10.1002/alz.053605

Simultaneous assessment of posture and saccadic eye movement with visual stimuli using head‐mounted display virtual reality technology in healthy older adults

2021· article· en· W4205711340 sur OpenAlexaboutno aff
Yu Imaoka, Andri Flury, Eling D. de Bruin

Notice bibliographique

RevueAlzheimer s & Dementia · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueSpatial Cognition and Navigation
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSaccadeSaccadic maskingEye movementAudiologyPsychologyPhysical medicine and rehabilitationMedicineNeuroscience

Résumé

récupéré en direct d'OpenAlex

Abstract Background Postural sway and saccadic eye movement could be potential biomarkers to diagnose Alzheimer’s disease (AD) [1, 2]. We developed a new assessment system to evaluate posture and saccadic eye movement simultaneously in healthy older adults (OA) with visual stimuli of distractors, lower contrast, and stereopsis, which are also considered to be another deficit in people with AD [3‐5]. We hypothesised that more latency and errors in saccade would be observed in the condition with visual stimuli. Method 14 healthy older adults (71.9±4.8 years, 7 men / 7 women) joined the experiment after taking Montreal Cognitive Assessment (MoCA). The system consisted of stabilometer (GP‐5000, ANIMA Corporation, Japan) and a head‐mounted display virtual reality technology (VIVE Pro Eye, HTC Corporation, Taiwan). We measured both posture and eye movement simultaneously in the following test conditions: #1‐2) eyes‐open and closed without VR, #3‐4) pro‐ and anti‐saccade tests in 2D environment, and #5‐6) pro‐ and anti‐saccade tests in 3D environment. We developed the 2D environment for the baseline saccade measurement and 3D environment with more visual stimuli [6]. Each test took 60 seconds with 30 saccade trials. Result The participants achieved MoCA score of 27.5±1.6. We found significant difference in saccade latency between saccade types (mean: P < 0.001, SD: P < 0.001) but less significant difference between VR scenery (mean: P = 0.01, SD: P = 0.42). Moreover, we observed less significant difference in saccade error rate between saccade types (P = 0.07) and between VR scenery (P > 0.77). We did not see significant difference in postural sway (P > 0.05). Conclusion The results may imply that the healthy OA had sufficient attentional resources to both conduct the saccade tasks and maintain their posture in the designed VR environment with visual stimuli. Further research is required to evaluate the difference between OA with and without cognitive impairment. References: 1. Bahureksa, L., et al. (2017) 2. Wilcockson, T.D.W., et al. (2019) 3. Rizzo, M., et al. (2000) 4. Lee, C.N., et al. (2015) 5. Cunha, J.P., et al. (2016) 6. Imaoka, Y., et al. (2020)

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: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,588
Score d'incertitude au seuil0,723

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 Opus0,013
Tête enseignante GPT0,321
Écart entre enseignants0,308 · 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'étudeSimulation ou modélisation
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

Citations1
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAlzheimer s & DementiaMême sujetSpatial Cognition and NavigationTravaux en français237 207