An immersive virtual reality tool for assessing left and right unilateral spatial neglect
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The reported rate of the occurrence of unilateral spatial neglect (USN) is highly variable likely due to the lack of validity and low sensitivity of classical tools used to assess it. Virtual reality (VR) assessments try to overcome these limitations by proposing immersive and complex environments. Nevertheless, existing VR-based tasks are mostly focused only on near space and lack analysis of psychometric properties and/or clinical validation. The present study evaluates the clinical validity and sensitivity of a new immersive VR-based task to assess USN in the extra-personal space and examines the neuronal correlates of deficits of far space exploration. The task was administrated to two groups of patients with right (N = 28) or left (N = 11) hemispheric brain lesions, also undergoing classical paper-and-pencil assessment, as well as a group of healthy participants. Our VR-based task detected 44% of neglect cases compared to 31% by paper-and-pencil tests in the total sample. Importantly, 30% of the patients (with right or left brain lesions) with no clear sign of USN on the paper-and-pencil tests performed outside the normal range in the VR-based task. Voxel lesion-symptom mapping revealed that deficits detected in VR were associated with lesions in insular and temporal cortex, part of the neural network involved in spatial processing. These results show that our immersive VR-based task is efficient and sensitive in detecting mild to strong manifestations of USN affecting the extra-personal space, which may be undetected using standard tools.
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.
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 | 0,000 | 0,000 |
| 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 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle