Visual attention during non-immersive virtual reality balance training in older adults with mild to moderate cognitive impairment: an eye-tracking study
Notice bibliographique
Résumé
Background Older adults with cognitive impairment often present with balance deficits, reduced walking speed, and attentional difficulties—particularly in executive function. These challenges increase fall risk and complicate traditional rehabilitation approaches. Eye-tracking technology offers an objective way to evaluate attention by analyzing oculomotor behavior during tasks, but its use in clinical rehabilitation contexts is still limited. Objective The aim of this study is to investigate visual attention using eye-tracking metrics during a non-immersive virtual reality-based balance training program in older adults with mild to moderate cognitive impairment. Methods This was an exploratory pilot study with a prospective, descriptive cohort, based on a non-controlled, quasi-experimental design of seven older adults with mild to moderate cognitive impairment. Each patient underwent VR-based balance training using Rehametrics Ⓡ software, while their attention was assessed via eye-tracking (Tobii Pro Glasses 2 Refurbished Wireless). Clinical assessments included the Mini-BESTest, Functional Gait Assessment, 6-Minute Walk Test, 4-Meter Walk Test, and Montreal Cognitive Assessment (MoCA). Eye-tracking data focused on fixation patterns, microsaccades, and pupil diameter as indicators of attentional processing. Results Patients showed a small numerical increase, without reaching statistical significance in task difficulty progression ( p = 0.016), lower limb endurance ( p = 0.016), and single-leg support time ( p = 0.031). Clinical tests revealed a slight increase, though results were not statistically significant in balance and walking speed ( p = 0.063). Eye-tracking data indicated increased fixation stability and decreased pupil diameter, suggesting more efficient attention allocation during motor tasks. Conclusions Eye-tracking provided valuable metrics into attentional behavior during balance training in older adults with cognitive impairment. Its integration into non-immersive virtual reality rehabilitation may help better understand and address cognitive-motor interactions. Further studies with larger samples are needed to confirm these preliminary findings.
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 | 0,000 | 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 ».