MétaCan
Menu
Retour à la cohorte
Enregistrement W4224238561 · doi:10.3389/fnhum.2022.881922

Editorial: Cognitive and Motor Control Based on Brain-Computer Interfaces for Improving the Health and Well-Being in Older Age

2022· editorial· en· W4224238561 sur OpenAlexaff
Abdelkader Nasreddine Belkacem, Tiago H. Falk, Takufumi Yanagisawa, Christoph Guger

Notice bibliographique

RevueFrontiers in Human Neuroscience · 2022
Typeeditorial
Langueen
DomaineNeuroscience
ThématiqueEEG and Brain-Computer Interfaces
Établissements canadiensInstitut National de la Recherche ScientifiqueUniversité du Québec à Montréal
Organismes subventionnairesnon disponible
Mots-clésHumBrain–computer interfaceCognitionMotor controlControl (management)NeurosciencePsychologyHuman–computer interactionCognitive sciencePhysical medicine and rehabilitationComputer scienceMedicineArtificial intelligenceElectroencephalographyHistory

Résumé

récupéré en direct d'OpenAlex

Cognitive and Motor Control Based on Brain-Computer Interfaces for Improving the Health and Well-Being in Older Age This editorial summarizes the contributions to the Frontiers Research Topic "Cognitive and Motor Control Based on Brain-Computer Interfaces for Improving the Health and Well-Being in Older Age, " established under the Frontiers in Human Neuroscience (section: Brain-Computer Interfaces), Frontiers in Neuroergonomics (section: Consumer Neuroergonomics), and Frontiers in Neuroscience (section: Neural Technology) journals.Everyone is subject to the aging process and to experiences associated with physical and health changes, which include but are not limited to changes in memory and brain function.These changes may be debilitating due to increased dependence of people as they get older.Many engineering tools and neuroscience breakthroughs have been used to assist these individuals in their daily life activities or to enhance, restore, and improve the effects of the many age-related changes.Emerging technologies such as cognitive and motor control based on invasive and non-invasive brain-computer interfaces (BCIs) provide opportunities to improve the health and wellbeing of the elderly.These external approaches may assist elderly patients improve motor function (e.g., in stroke survivors) and induce and/or facilitate neuroplastic changes associated with motor rehabilitation, caretakers and family members to better communicate with these patients, and healthcare professionals to better monitor and detect changes in the patients' health status.While there has been great progress in the field of BCI over the last decades, the development of hardware and software solutions for home-based BCI applications that can be used by individuals with reduced technical oversight is still lacking.In addition, user-friendly, wearable, portable, and wireless BCI applications, as well as more longitudinal neuroscience studies are essential to understand how BCI applications can improve the quality of life of elderly people.This editorial paper will introduce the five papers appearing in this Research Topic.The papers touch on different aspects of BCI usage for improving the health and wellbeing in older age.As will be summarized, several innovations in bio-signal processing methods and decoding algorithms are introduced that ease the effect of aging on the human brain and enrich the mutual interplay between senior citizens and machines.With the objective of assisting in cognitive support,

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)0,005
score de la tête « metaresearch » (Gemma)0,019
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Éditorial · Signal consensuel: Éditorial
Score de désaccord entre enseignants0,027
Score d'incertitude au seuil0,091

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,019
Méta-épidémiologie (sens strict)0,0040,001
Méta-épidémiologie (sens large)0,0040,002
Bibliométrie0,0030,001
Études des sciences et des technologies0,0030,002
Communication savante0,0050,003
Science ouverte0,0030,001
Intégrité de la recherche0,0160,015
Charge utile insuffisante (le modèle a refusé de juger)0,0270,019

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 Opus0,011
Tête enseignante GPT0,273
Écart entre enseignants0,262 · 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'étudeSans objet
Domainenon disponible
GenreÉditorial

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
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in Human NeuroscienceMême sujetEEG and Brain-Computer InterfacesTravaux en français237 207