MétaCan
Menu
Retour à la cohorte
Enregistrement W4411879970 · doi:10.1152/physiol.2025.40.s1.1553

Characterizing Cerebral Blood Flow Responses to Virtual Reality Gaming

2025· article· en· W4411879970 sur OpenAlexaffabout
Spencer Farstad, M.J. James, Tabitha V. Craig, Spencer Skaper, Kira Peary, Nathan A. Ellis, Kurt J. Smith

Notice bibliographique

RevuePhysiology · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueTraumatic Brain Injury and Neurovascular Disturbances
Établissements canadiensUniversity of Victoria
Organismes subventionnairesnon disponible
Mots-clésCerebral blood flowVirtual realityBlood flowFlow (mathematics)NeuroscienceComputer scienceBiologyCommunicationPsychologyHuman–computer interactionMedicineCardiologyPhysicsMechanics

Résumé

récupéré en direct d'OpenAlex

Virtual reality (VR) gaming provides an immersive 3D environment that is thought to stimulate cardiovascular (CV) function. Cerebral blood flow (CBF) is stimulated by cognitive and visual changes which enhances cerebral metabolic activity. We developed a 3D printed headpiece to assess CBF during VR gaming. The headpiece attached a transcranial Doppler (TCD) ultrasound probe to participants, allowing continuous measurement during dynamic tasks. Objective: We aim to characterize the impact of a rhythm game Beat Saber (VR BS ) on CBF through middle cerebral artery (MCAv) and posterior cerebral artery (PCAv) velocity responses. Further, we aim to assess the dose response of VR BS on CBF by increasing the difficulty of the game with easy, moderate, and hard levels. We hypothesized that increasing game difficulty would elicit progressive increases in MCAv and PCAv, an index of CBF. In addition, we aim to understand if song preference has an impact on CBF. We hypothesize that song familiarity would modulate MCAv and PCAv responses, enhancing flow efficiency compared to standardized songs. Participants (n= 7, 3F) played a total of six VR BS songs of increasing difficulty (easy, moderate, hard) while MCAv and PCAv were measured using TCD ultrasound. Song choice was standardized using 1 pre-selected song choice with progressive difficulty. Next, participants were allowed one song choice played at progressive difficulty. Mean CBF did not change during standard selection songs regardless of difficulty (MCAv: Easy 51.32±17.2, Moderate 52.0±16.6, Hard 51.4±19.4; PCAv: Easy 43.8±9.9, Moderate 38.7±3.9, Hard 40.5±5.2). Mean CBF did not change during preferred song selection regardless of difficulty (MCAv: Easy 51.8 ± 16.3, Moderate 48.9 ± 16.5, Hard 48.6 ± 17.9; PCAv: Easy 34.3±9.1, Moderate 37.5±6.2, Hard 39.2±2.9). Regardless of song performed, individuals who had an increased CV response (increased heart rate +23.4±0.8%) to VR BS increased both MCAv (15.9±1.4%) and PCAv (6±10.4%). The increase in this group appears similar to CBF changes observed during moderate intensity exercise. Future studies exploring the integration of CBF and CV responses to improve brain health with VR are needed. Dr. Kurt Smith is funded through a National Sciences and Engineering Research Council (NSERC) of Canada RGPIN-2020-06269 This abstract was presented at the American Physiology Summit 2025 and is only available in HTML format. There is no downloadable file or PDF version. The Physiology editorial board was not involved in the peer review process.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,900
Score d'incertitude au seuil0,446

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,029
Tête enseignante GPT0,304
Écart entre enseignants0,275 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations0
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePhysiologyMême sujetTraumatic Brain Injury and Neurovascular DisturbancesTravaux en français237 207