The Impact of Cognitive Impairment on Pedal Control and Crash Risk Following Stroke: A Pilot Study
Notice bibliographique
Résumé
Driving after stroke requires complex coordination of cognitive and motor systems, yet the influence of post-stroke cognitive impairment on lower limb motor control during driving remains poorly understood. This pilot study examined the association between cognitive function and lower limb motor control of gas/brake pedal control in stroke survivors. We hypothesized that compromised cognitive function would be associated with worse gas and brake pedal control. Twenty stroke survivors (65.89 ± 9.67 years; 6 females) participated. Cognitive function was assessed using the Montreal Cognitive Assessment (MoCA) and Useful Field of View (UFOV) test scores for divided and selective attention. Participants performed a car-following task in a driving simulator requiring precise gas and brake control. Pedal control was quantified by gas pedal error, brake force error, and brake response time. Participants were categorized into cognitively normal and cognitively impaired groups (n=10 each). Driving behavior was assessed using the Driving Habits Questionnaire (DHQ), and crash risk was determined via UFOV classification. Increased gas pedal error was associated with poorer MoCA scores and selective attention deficits. Delayed brake response times correlated with lower MoCA scores and poorer divided and selective attention. Although self-reported driving behavior was comparable between groups, 60% of cognitively impaired participants demonstrated moderate to high crash risk compared to cognitively normal participants, who exhibited low crash risk. Cognitive impairment after stroke is significantly linked to impaired lower limb control during driving and elevated crash risk. These findings highlight an urgent need to integrate cognitive assessment along with motor assessments in post-stroke rehabilitation. Future advances in neuroengineering technologies, and personalized motor-cognitive interventions could play a critical role in restoring safe driving capabilities and mobility independence after stroke.
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 ».