MétaCan
Menu
Retour à la cohorte
Enregistrement W4220852191 · doi:10.3389/fpsyg.2022.847590

Age-Related Performance in Using a Fully Immersive and Automated Virtual Reality System to Assess Cognitive Function

2022· article· en· W4220852191 sur OpenAlexaboutno aff
Ngiap Chuan Tan, Jie En Lim, John Carson Allen, Wei Teen Wong, Joanne Hui Min Quah, Paulpandi Muthulakshmi, Tuan Ann Teh, Soon Huat Lim, Rahul Malhotra

Notice bibliographique

RevueFrontiers in Psychology · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueDementia and Cognitive Impairment Research
Établissements canadiensnon disponible
Organismes subventionnairesSingHealth FoundationInfo-communications Media Development AuthorityDuke-NUS Medical SchoolMitsui Sumitomo Insurance Welfare Foundation
Mots-clésCognitionVirtual realityPsychologyNeuropsychologyDementiaMontreal Cognitive AssessmentEffects of sleep deprivation on cognitive performanceNeuropsychological assessmentMedicineComputer scienceCognitive impairmentHuman–computer interactionPsychiatry

Résumé

récupéré en direct d'OpenAlex

Introduction Cognition generally declines gradually over time due to progressive degeneration of the brain, leading to dementia and eventual loss of independent functions. The rate of regression varies among the six cognitive domains (perceptual motor, executive function, complex attention, learning and memory, social cognition and language). Current modality of cognitive assessment using neuropsychological paper-and-pencil screening tools for cognitive impairment such as the Montreal Cognitive Assessment (MoCA) has limitations and is influenced by age. Virtual reality (VR) is considered as a potential alternative tool to assess cognition. A novel, fully immersive automated VR system (Cognitive Assessment using Virtual Reality, CAVIRE) has been developed to assess the six cognitive domains. As cognition is associated with age, VR performance is postulated to vary with age using this system. Aims This is a feasibility study to evaluate the VR performance of cognitively healthy adults aged between 35 and 74 years old, based on the performance score and completion time using the CAVIRE system. Methods Conducted in a public primary care clinic in Singapore, 25 multi-ethnic Asian adults were recruited in each of the four age groups in years: (1) 35–44; (2) 45–54; (3) 55–64, and (4) 65–74. The eligibility criteria included a MoCA score of 26 or higher to reflect normal cognition and understanding English instructions. They completed common daily activities ranging from brushing teething to shopping, across 13 VR segments. Their performances scores and completion time were automatically computed by the CAVIRE system. These VR performance indices were compared across the four age groups using one-way ANOVA, F -test of the hypothesis, followed by pair-wise comparisons in the event of a significant F -test ( p < 0.05). Results One participant dropped out from Group 1. The demographic characteristics of 99 participants were similar across the 4 age groups. Overall, younger participants in Groups 1 and 2 attained higher VR performance scores and shorter completion time, compared to those in Groups 3 and 4, in all six cognitive domains (all p < 0.05). Conclusion The CAVIRE VR performance scores and completion time significantly differ between the younger and older Asian participants with normal cognition. Enhancements to the system are needed to establish the age-group specific normal performance indices.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,002
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
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)0,0020,000

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 Opus0,036
Tête enseignante GPT0,360
Écart entre enseignants0,325 · 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 source (Gemma direct ou Codex distillé), 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

Citations26
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in PsychologyMême sujetDementia and Cognitive Impairment ResearchTravaux en français237 207