Using shoe-mounted inertial sensors and stepping exergames to assess the motor-cognitive status of older adults: A correlational study
Notice bibliographique
Résumé
Objective: Stepping exergames designed to stimulate physical and cognitive skills can provide important information concerning individuals' performance. In this study, we investigated the potential of stepping and gameplay metrics to assess the motor-cognitive status of older adults. Methods: Stepping and gameplay metrics were recorded in a longitudinal study involving 13 older adults with mobility limitations. Game parameters included games' scores and reaction times. Stepping parameters included length, height, speed, and duration, measured by inertial sensors placed on the shoes while interacting with the exergames. Parameters measured on the first gameplay were correlated against standard cognitive and mobility assessments, including the Montreal Cognitive Assessment (MoCA), gait speed, and the Short Physical Performance Battery. Based on MoCA scores, patients were then stratified into two groups: cognitively impaired and healthy controls. The differences between the two groups were visually inspected, considering their within-game progression over the training period. Results: Stepping and gameplay metrics had moderate-to-strong correlations with cognitive and mobility performance indicators: faster, longer, and higher steps were associated with better mobility scores; better cognitive games' scores and reaction times, and longer and faster steps were associated with better cognitive performance. The preliminary visual analysis revealed that the group with cognitive impairment required more time to advance to the next difficulty level, also presenting slower reaction times and stepping speeds when compared to the healthy control group. Conclusion: Stepping exergames may be useful for assessing the cognitive and motor status of older adults, potentially allowing assessments to be more frequent, affordable, and enjoyable. Further research is required to confirm results in the long term using a larger and more diverse sample.
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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,000 | 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 ».