Virtual reality-based cognitive assessment tools for mild cognitive impairment screening: comparison with traditional paper-and-pencil-based cognitive assessment tools
Notice bibliographique
Résumé
Background and Objectives: Dementia is becoming increasingly prevalent, highlighting the need for early detection of mild cognitive impairment (MCI), a risk state for dementia. Traditional cognitive assessments often require trained examiners and lack ecological validity. This study examined the diagnostic accuracy of a virtual reality (VR)-based cognitive assessment tool, VARABOM.D, by comparing it with three standard tests: Seoul Neuropsychological Screening Battery (SNSB), Montreal Cognitive Assessment (MoCA), and Mini-Mental State Examination (MMSE). Research Design and Methods: = 33) groups based on their Clinical Dementia Rating scores, completed the VARABOM.D program, in addition to SNSB, MoCA, and MMSE. Correlation analyses were performed on the test results, and the specificity, sensitivity, and area under the curve (AUC) of VARABOM.D were compared to those of the other assessments. To monitor for any adverse reactions to the VR environment, the Simulator Sickness Questionnaire (SSQ) was administered both before and after the VR sessions. Results: VARABOM.D scores showed significant positive associations with established cognitive assessments. Its AUC values were comparable to those of the MoCA, MMSE, and most SNSB subdomains except for attention, where VARABOM.D demonstrated greater discriminative ability. SSQ scores remained stable across pre- and post-VR sessions in both study groups, underscoring the VR platform's safety and feasibility. Discussion and Implications: VARABOM.D demonstrated accuracy comparable to traditional cognitive assessments and even outperformed the attention subdomain of SNSB. Additionally, no adverse reactions were observed in the normal or MCI groups, further emphasizing the safety and stability of VARABOM.D.
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 | 0,003 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».