Does Non-Immersive Virtual Reality Improve Attention Processes in Severe Traumatic Brain Injury? Encouraging Data from a Pilot Study
Notice bibliographique
Résumé
Traumatic brain injury (TBI) is a sudden injury that causes damage to the brain. Rehabilitation therapies include specific training, such as attention process training (APT) programs using either standard or innovative approaches. The aim of this study is to evaluate the effects of a non-immersive virtual reality-based attention training to stimulate attention processes and mood in TBI patients. Thirty subjects with TBI were enrolled at the Neurorehabilitation Unit of the IRCCS Neurolesi Center and divided into either the Conventional Attention Process Training Group (C_APT: n = 15) or the Virtual-Based Attention Processes Training Group (VB_APT: n = 15), treated with the Virtual Reality Rehabilitation System (VRRS-Evo). All of the patients were evaluated with a specific psychometric battery before (T0) and after the end (T1) of each program. We found statistically significant differences between the two groups, in particular concerning global cognitive status (p < 0.02), attention processes (p < 0.03), depression symptoms (p < 0.04) and visual attention (p < 0.01). Experimental intragroup analysis showed great statistical significances in all psychometric tests, i.e., the Montreal Cognitive Assessment (p < 0.0006), Attention Matrices (p < 0.0007), the Hamilton Rating Scale-Depression (p < 0.004), the Trail Making Test-A (p < 0.0007), the Trail Making Test-B (p < 0.0007), and the Trail Making test-BA (p < 0.007). Our results suggest that non-immersive virtual reality may be a useful and effective approach for the attention processes recovery and mood of TBI patients, leading to better cognitive and behavioral outcomes.
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 | 0,007 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».