Efeito do Treinamento baseado em Realidade Virtual Imersiva na Navegação Espacial, Cognição Global e Mobilidade de Idosos
Notice bibliographique
Résumé
Introdução: O envelhecimento está associado ao declínio das atividades motoras e perda gradual das funções cognitivas. Sabe-se que a realidade virtual é um recurso potencial para melhorar a cognição e controle motor. Objetivo: Verificar o efeito de um programa de treinamento com Realidade Virtual Imersiva na navegação espacial, cognição global e mobilidade de idosos. Metodologia: Onze idosos (a partir de 60 anos de idade), de ambos os sexos, foram recrutados. Os participantes foram submetidos aos seguintes testes: Montreal Cognitive Assessment (MoCA) para avaliar a cognição global; Floor Maze Test (FMT), para avaliar a navegação espacial; e o teste de levantar e ir 2,44 m (Lev-ir), que avalia a mobilidade física (agilidade e equilíbrio dinâmico). O programa de dupla-tarefa com realidade virtual imersiva (DTRV) foi composto de exercícios físicos multimodais, em que o participante utilizou um simulador de realidade virtual (Oculus Quest 2TM, Meta, Califórnia, EUA), através do software que fornece os jogos virtuais (Beat saber; Dance central; Gym class basketball VR; Hand physics Lab; OhShape; The Thrill of the Fight). O programa teve duração de 12 sessões (2 vezes/semana). A comparação pré e pós-treinamento foi realizada utilizando os testes t dependente e de Wilcoxon. Resultados Esperados: As análises revelaram que houve diferença significativa na navegação espacial no tempo de repetição do labirinto sem planejamento prévio (p<0,01), mostrando que os idosos melhoraram o desempenho da memória episódica relacionada à navegação espacial. Nenhuma outra alteração foi identificada. Conclusão: Conclui-se que o programa de treinamento com realidade virtual imersiva possivelmente melhore a navegação espacial de idosos, independente da cognição global e mobilidade.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».