MétaCan
Menu
Retour à la cohorte
Enregistrement W4399305768 · doi:10.22374/jspv.v6isp1.16

VISION TRAINING TO IMPROVE CLASSROOM ENDURANCE POST-TBI: A CASE STUDY WITH A 26-YEAR-OLD FEMALE

2024· article· en· W4399305768 sur OpenAlexvenueno aff
Blake M. Bacevich, Jon Vincent

Notice bibliographique

RevueJournal of Sports and Performance Vision · 2024
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEducation, Safety, and Science Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésTraining (meteorology)PsychologyEndurance trainingPhysical medicine and rehabilitationPhysical therapyMedical educationMedicineGeographyMeteorology

Résumé

récupéré en direct d'OpenAlex

Background: Concussions, also referred to as a mild traumatic brain injury (mTBI), can present a multitude of symptoms due to the complex pathophysiology incurred by the brain. It is known that these mTBI-induced symptoms, when left unresolved, can lead to post-concussive syndrome (PCS). Commonly, these patients complain of vision-related dysfunctions. These dysfunctions interrupt patients’ everyday lives, including students when participating in the classroom due to the heavy visual involvement. Numerous vision therapies and management strategies have been successful for the treatment of mTBI-induced visual-related symptoms such as exotropia, suppression, and oculomotor dysfunction. Vision training has been found to be successful in improving oculomotor endurance, giving patients the ability to maintain focus for long periods of time and to mitigate against suppression. Background: Concussions, also referred to as a mild traumatic brain injury (mTBI), can present a multitude of symptoms due to the complex pathophysiology incurred by the brain. It is known that these mTBI-induced symptoms, when left unresolved, can lead to post-concussive syndrome (PCS). Commonly, these patients complain of vision-related dysfunctions. These dysfunctions interrupt patients’ everyday lives, including those of students, when participating in the classroom due to the heavy visual involvement. Numerous vision therapies and management strategies have been successful for the treatment of mTBI-induced visual-related symptoms such as exotropia, suppression, and oculomotor dysfunction. Vision training successfully improves oculomotor endurance, allowing patients to maintain focus for long periods andmitigate against suppression. Case Report: This report describes a 26-year-old female presenting with activity-induced sensory overload, specifically in the setting of her college classroom lectures. The patient described symptoms appearing as headache, fatigue, and blurred vision. Upon initial examination, she was determined to have a left eye exophoria with fatigue-induced left eye suppression and left eye lateral abduction deficiencies. A personalized action plan was designed to improve left-right oculomotor symmetry and endurance and mitigate against suppression through a weekly structured vision training program. In this 7-week program, individual and dual eye saccadic exercises improved, with both eye horizontal saccades improving from 26 characters read aloud per minute to 36 characters read out loud per minute. With these regular vision training sessions, the patient displayed improved oculomotor endurance, decreased suppression with prolonged activity, and better dual-eye coordination. After the post-vision training program, the patient could attend her college lectures without invoking symptoms.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Étude de cas · Signal consensuel: Étude de cas
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,022

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0030,002
Études des sciences et des technologies0,0050,002
Communication savante0,0010,002
Science ouverte0,0010,002
Intégrité de la recherche0,0050,005
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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.

Tête enseignante Opus0,023
Tête enseignante GPT0,342
Écart entre enseignants0,320 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeÉtude de cas
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Sports and Performance VisionMême sujetEducation, Safety, and Science StudiesTravaux en français237 207