A cognitive function test utilizing eye tracking technology in virtual reality
Notice bibliographique
Résumé
AIM: There is a need for a cognitive function test that is less burdensome to perform cognitive function tests used to date and can detect mild changes in the cognitive function and mild cognitive impairment (MCI). We developed a cognitive function examination using a virtual reality device (VR-E). The purpose of this study was to verify its usability. METHODS: Seventy-seven participants (29 males and 48 females, average age 75.1 years old) were classified according to their Clinical Dementia Rating (CDR). To estimate the validity of VR-E in measuring cognitive function, we used the Mini Mental State Examination (MMSE) and Montreal Cognitive Assessment-Japanese version (MoCA-J) scores as benchmarks. The MMSE was performed for all subjects, while the MoCA-J was performed for subjects with an MMSE score ≥20. RESULTS: VR-E scores were highest in the CDR 0 group (0.77±0.15, mean±SD), decreasing for subsequent groups (CDR 0.5: 0.65±0.19, CDR 1-3: 0.22±0.21). The receiver operating characteristic analysis showed that all three methods were able to distinguish CDR groups. For CDR 0 vs. 0.5, the areas under the curve for MMSE/MoCA-J/VR-E were 0.85/0.80/0.70, respectively, and those for CDR 0.5 vs. 1-3 were 0.89/0.92/0.90, respectively. The time required to complete VR-E was approximately 5 minutes. Of the 77 subjects, 12 were difficult to assess using the VR-E due to poor understanding or eye diseases or Meniere's syndrome. CONCLUSIONS: The present findings suggested that the VR-E can be used as a cognitive function test that correlates with existing standard assessments for dementia and MCI.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 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 | 0,001 | 0,000 |
| 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 source (Gemma direct ou Codex distillé), 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 ».