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 distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 tête enseignante, 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 ».