Self-adaptive over progressive non-adaptive immersive virtual reality serious game to promote motor learning in older adults – A double blind randomized controlled trial
Notice bibliographique
Résumé
Older adults often experience cognitive and functional decline, which can be mitigated by innovative interventions like immersive virtual reality (iVR). Self-adaptive serious games, which dynamically adjust task difficulty, may provide additional benefits by tailoring challenges to individual performance. However, the comparative effectiveness of self-adaptive versus progressive non-adaptive iVR interventions on motor learning in older adults remains underexplored. This randomized controlled trial primarily aimed to compare the effects of self-adaptive and progressive non-adaptive iVR interventions on motor learning in older adults. A total of 33 older adults were randomly assigned to either a self-adaptive (n = 17) or progressive non-adaptive (n = 16) iVR group. Both interventions involved an iVR serious game requiring unimanual reaching, target selection, and distractor inhibition under increasing difficulty over three days. Performance was evaluated pre- and post-intervention using a standardized iVR task, consisting of hitting a virtual target while ignoring distractors. This task features five levels of difficulty (level 0: no distractors; level 4: 17 low-saliency distractors). Primary outcomes, assessed during the standardized task, included changes in speed-accuracy trade-offs (SAT) and relative response time (RT, compared to level 0). Both participants and assessors were blinded to the intervention. After the intervention, both groups exhibited significant SAT improvements at level 1, 3 and 4 (P < 0.05) and RT gains at level 3 and 4 (P < 0.05). The self-adaptive group demonstrated significantly greater SAT (P = 0.049) and relative RT (P = 0.004) improvements at level 4. Findings suggest that older adults can achieve motor learning in iVR, particularly with self-adaptive serious games, highlighting potential for self-rehabilitation. Clinical trial NCT06141642 approved the 21th November 2023.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,006 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
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.
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 ».