Efeito do Treinamento baseado em Realidade Virtual Imersiva na Navegação Espacial, Cognição Global e Mobilidade de Idosos
Bibliographic record
Abstract
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.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.000 | 0.002 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one teacher head, not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".