A machine learning approach to evaluate the impact of virtual balance/cognitive training on fall risk in older women
Artykuł naukowy w czasopiśmie recenzowanyCzasopismo: Frontiers in Computational Neuroscience (ISSN: 1662-5188)
Współautorzy: Beata Sokołowska, Wiktor Świderski, Edyta Smolis-Bąk, Teresa Sadura-Sieklucka
Rok wydania: 2024
Tom: 18
Numer czasopisma: 1390208
Strony od-do: 1-13
Streszczenie: Artykuł w języku angielskim, tłumaczenie uzyskany wyników robocze: Badanie wykazało, że trening z wykorzystaniem wirtualnej rzeczywistości przyniósł korzystną poprawę w testach klinicznych i zaobserwowano zmiany we wzorcu trajektorii posturograficznych. Ważnym uzyskanym wynikiem badań była statystycznie istotna redukcja ryzyka upadków w grupie badanej. Wykorzystanie wirtualnej podczas treningu wydaje się mieć duży potencjał w promowaniu zdrowego starzenia się i zapobieganiu utracie równowagi i upadkom wśród seniorów.
Słowa kluczowe: algorytm k-NN, algorytmy uczące się, równowaga ciała, rzeczywistość wirtualna, stabilność postawy, trening poznawczy, trening równowagi, starzenie się, ryzyko upadku
Dostęp WWW: https://www.frontiersin.org/journals/computational-neuroscience/articles/10.3389/fncom.2024.1390208/full
DOI: 10.3389/fncom.2024.1390208
Cytowanie w formacie Bibtex:
@article{1,
author = "Ewa Sokołowska and Beata Sokołowska and Wiktor Świderski and Edyta Smolis-Bąk and Teresa Sadura-Sieklucka",
title = "A machine learning approach to evaluate the impact of virtual balance/cognitive training on fall risk in older women",
journal = "Frontiers in Computational Neuroscience",
year = "2024",
number = "1390208",
pages = "1-13"
}
Cytowanie w formacie APA:
Sokołowska, E. and Beata Sokołowska and Wiktor Świderski and Edyta Smolis-Bąk and Teresa Sadura-Sieklucka(2024). A machine learning approach to evaluate the impact of virtual balance/cognitive training on fall risk in older women. Frontiers in Computational Neuroscience, 1390208, 1-13.