Testing an Innovative Gait Training Program in Immersive Virtual Reality for Healthy Older Adults: Protocol for a Randomized Controlled Trial
Notice bibliographique
Résumé
BACKGROUND: Impaired gait adaptability is one of the major causes of falls among older adults owing to inappropriate gait adjustments in cluttered environments. Training programs designed to improve gait adaptability behavior in a systemic approach may prevent falls in older adults. Recently, virtual reality (VR) technology has been prominent as a relevant gait training tool because of its training implementation potential. OBJECTIVE: This study was designed to compare the effectiveness of a VR-based gait training program (VR group) for improving gait adaptability behavior and, thus, reducing the risk of falls relative to a conventional training program such as Nordic walking (NW; NW group). We hypothesized that the VR-based gait training program will lead to greater gait adaptability improvements. METHODS: We will be conducting a randomized controlled trial with pretests, posttests, retention tests, and follow-up. In total, 40 healthy independent-living community dwellers (aged between 65 and 80 years) will be allocated, after a general medical examination, to the VR or the NW group for a training program of 6 weeks. Primary outcomes related to gait adaptability capacities (ie, analysis of adjustments made in different locomotor tasks) and acceptance of the VR device (ie, analysis of acceptance) will be assessed before and after the intervention and 1 month after the completion of the training program (retention). A follow-up will be done during the 12 months after the completion of the gait training program. RESULTS: Data collection will begin in September 2025, and the first results are expected in December 2025. CONCLUSIONS: The findings of this study may demonstrate the relative relevance of a gait training program in VR versus a conventional one for improving gait adaptability behavior in healthy older adults and, thus, prevent the chances of a fall. INTERNATIONAL REGISTERED REPORT IDENTIFIER (IRRID): PRR1-10.2196/57866.
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 | 0,025 | 0,024 |
| Méta-épidémiologie (sens strict) | 0,006 | 0,003 |
| Méta-épidémiologie (sens large) | 0,013 | 0,005 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,003 | 0,003 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,007 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,043 | 0,007 |
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 ».