Navigation in Virtual Reality Floor Mazes: Added Cognitive Demand and Its Effects on Gait and Balance in Parkinson’s Disease
Notice bibliographique
Résumé
Along with motor dysfunction, people with Parkinson's Disease (PD) often develop cognitive dysfunction, linked to the gait abnormality - freezing of gait (FOG). Spatial navigation in Virtual Reality Floor Mazes (VR-FM) provides a unique framework for studying the effects of cognitive load on walking, with the ability to manipulate the complexity of the cognitive load. In addition, mazes include turns which simulate indoor home environments that people with PD frequently traverse in their daily life. This study is aimed to examine the effects of increasing cognitive load, applied with VR-FM, on motor performance in PD subjects with and without FOG. This is particularly important in understanding Parkinson's Disease, as cognitive decline is a strong contributor to morbidity and mortality as the disease progresses and may be a contributing factor to FOG. Fourteen subjects with PD, including eight who exhibited FOG, completed VR-FM under three conditions: 1) control mazes where the path to the goal is displayed; 2) easy mazes with two or less decision points; and 3) hard mazes, with more than two decision points. In comparison to non-freezers, freezers took fewer spin steps, shorter and slower strides, and reduced medial-lateral sway of the center of mass. These deficits became worse with maze difficulty, accompanied by further degradation in balance measured by margin of stability. Increased cognitive load imposed by the VR-FM led to gait deterioration and a prioritization for balance in both freezers and non-freezers. This supports the use of VR-FM as a tool to investigate motor-cognitive interplay in PD. Freezers exhibit more pronounced deterioration in gait and balance in VR-FM. Hence, VR-FM can serve as a potential tool to characterize and identify freezers.
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) | 0,000 | 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 ».