Visual feedback and age affect upper limb reaching accuracy and kinematics in immersive virtual reality among healthy adults
Notice bibliographique
Résumé
This cross-sectional study aimed to evaluate the effect of visual feedback, age and movement repetition on the upper limb (UL) accuracy and kinematics during a reaching task in immersive virtual reality (VR). Fifty-one healthy participants were asked to perform 25 trials of a reaching task in immersive VR with and without visual feedback of their hand. They were instructed to place, as accurately and as fast as possible, a controller held in their non-dominant hand in the centre of a virtual red cube of 3 cm side length. For each trial, the end-point error (distance between the tip of the controller and the centre of the cube), a coefficient of linearity (CL), the movement time (MT), and the spectral arc length of the velocity signal (SPARC), which is a movement smoothness index, were calculated. Multivariate analyses of variance were conducted to assess the influence of visual feedback, age and trial repetition on the average end-point error, SPARC, CL and MT, and their time course throughout the 25 trials. Providing visual feedback of the hand reduced average end-point error ( P < 0.001) and MT ( P = 0.044), improved SPARC ( P < 0.001) but did not affect CL ( P = 0.07). Younger participants obtained a lower mean end-point error ( P = 0.037), a higher SPARC ( P = 0.021) and CL ( P = 0.013). MT was not affected by age ( P = 0.671). Trial repetition increased SPARC ( P < 0.001) and CL ( P < 0.001), and reduced MT ( P = 0.001) but did not affect end-point error ( P = 0.608). In conclusion, the results of this study demonstrated that providing visual feedback of the hand and being younger improves UL accuracy and movement smoothness in immersive VR. UL kinematics but not accuracy can be improved with more trial repetitions. These findings could guide the future development of protocols in clinical rehabilitation and research.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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 | 0,000 | 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 ».