Cortical activation among young adults during mobility in an indoor real-world environment: A mobile EEG approach
Notice bibliographique
Résumé
Human mobility requires neurocognitive inputs to safely navigate the environment. Previous research has examined neural processes that underly walking using mobile neuroimaging technologies, yet few studies have incorporated true real-world methods without a specific task imposed on participants (e.g., dual-task, motor demands). The present study included 40 young adults (M = 22.60, SD = 2.63, 24 female) and utilized mobile electroencephalography (EEG) to examine and compare theta, alpha, and beta frequency band power (μV2) during sitting and walking in laboratory and real-world environments. EEG data was recorded using the Muse S brain sensing headband, a portable system equipped with four electrodes (two frontal, two temporal) and one reference sensor. Qualitative data detailing the thoughts of each participant were collected after each condition. For the quantitative data, a 2 × 2 repeated measures ANOVA with within subject factors of environment and mobility was conducted with full participant datasets (n = 17, M = 22.59, SD = 2.97, 10 female). Thematic analysis was performed on the qualitative data (n = 40). Our findings support that mobility and environment may modulate neural activity, as we observed increased brain activation for walking compared to sitting, and for real-world walking compared to laboratory walking. We identified five qualitative themes across the four conditions 1) physical sensations and bodily awareness, 2) responsibilities and planning, 3) environmental awareness, 4) mobility, and 5) spotlight effect. Our study highlights the importance and potential for real-world methods to supplement standard research practices to increase the ecological validity of studies conducted in the fields of neuroscience and kinesiology.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| 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 | 0,000 | 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 ».