Effects of an Eye-Tracking Digital Serious Game on Cognitive Function in Mild Cognitive Impairment: Pilot Intervention Study
Notice bibliographique
Résumé
BACKGROUND: Cognitive decline in aging populations underscores the need for early interventions in mild cognitive impairment (MCI), where pharmacological treatments show limited benefit. Eye-movement metrics serve as sensitive markers of cognitive deficits in MCI, and digital programs integrating these tasks offer scalable, data-driven training approaches. OBJECTIVE: This study aimed to evaluate the effectiveness of a digital cognitive training program incorporating eye-movement tasks in individuals with MCI, and to determine whether eye-movement indicators can serve as objective markers of cognitive improvement. METHODS: A total of 12 participants aged 60-85 years with MCI (Korean version of the Montreal Cognitive Assessment [K-MoCA] score of ≤22) completed baseline and postintervention assessments using the K-MoCA and Mini-Mental State Examination-Korean version (MMSE-K). Longitudinal changes in visuospatial attention and oculomotor performance were examined using Spearman correlations across sessions, and pre-post comparisons of eye-tracking metrics were conducted to assess training-related improvements. RESULTS: Cognitive scores improved significantly, with K-MoCA increasing by 1.5 points (from mean 20.3, SD 1.1 to mean 21.8, SD 1.7; P=.004; Cohen d=1.38) and MMSE-K by 1.3 points (from mean 21.9, SD 2.0 to mean 23.2, SD 2.2; P=.002; Cohen d=1.29). Fixation duration decreased (r=0.248; P=.003), and saccade velocity increased (r=0.258; P=.002), indicating enhanced visual processing efficiency and faster attentional shifts, whereas fixation count and saccade amplitude showed no consistent changes. In addition, saccade duration decreased by 21.72 ms, and saccade velocity increased by 114.54 °/s. CONCLUSIONS: Digital cognitive training yielded measurable gains in visuospatial attention and oculomotor efficiency in MCI, with optimized fixation and saccade patterns indicating enhanced attentional control and information processing. These findings support eye-movement metrics as sensitive indicators of cognitive change and highlight digital interventions as scalable, noninvasive tools for cognitive support in aging populations.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».