Elige tu plataforma y compra
Te damos 10 licencias gratis para que lo pruebes durante un mes.
¿Para qué es la cuenta?
Regístrate

Para tu propio uso (a partir de 13 años)

loading

Al registrarte y usar CogniFit, aceptas que has leído, entendido, y que estás de acuerdo con las Condiciones de Uso y la Política de Privacidad de CogniFit.

corporativelanding_STUDY-FATIGUE-ASSESS-NAVY-PILOTS_social_picture

CogniFit ayuda a la Marina de los EE.UU. a aumentar la seguridad de sus pilotos

Publicación científica sobre la evaluación cognitiva en la fatiga de los pilotos

  • Gestiona cómodamente los pacientes de las investigaciones desde la plataforma para investigadores

  • Evalúa y entrena hasta 23 habilidades cognitivas a los participantes de tu estudio

  • Comprueba y compara la evolución cognitiva de los participantes para los datos de tu estudio

loading

Nombre original: Predicting Individual Differences in Response to Sleep Loss: Application of Current Techniques.

Autores: Joseph F. Chandler1, Richard D. Arnold1, Jeffrey B. Phillips1, Ashley E. Turnmire1.

  • 1. Naval Medical Research Unit.

Revista: Aviation, Space and Environmental Medicine (2013), vol. 84 (9): 927-937.

Cita este artículo (formato APA):

  • Chandler, J. F., Arnold, R. D., Phillips, J. B., Turnmire, A. E. (2013). Predicting Individual Differences in Response to Sleep Loss: Application of Current Techniques. Aviat Space Environ Med., vol.84, pp.927-937.

Conclusión del estudio

CogniFit puede medir variables muy relevantes para predecir el rendimiento individual de los usuarios ante la fatiga. Esto puede ayudar a reducir el riesgo de accidente en los pilotos militares y los civiles, ya que el cansancio es una variable recurrente en diversos tipos de accidentes.. Incluyendo algunas variables, como el Tiempo de reacción (p=0.009), la Memoria a corto plazo (p=0.023), la Atención dividida (p=0.026) o la Flexibilidad cognitiva (p=0.002) en los modelos predictores, el porcentaje de varianza explicada pasa del 13,8% al 35,7%.

Resumen del estudio

La fatiga es uno de los principales factores que pone en riesgo la seguridad durante el transporte militar. Se han hecho modelos que predicen la respuesta a la fatiga, pero aún no son lo suficientemente precisos, ya que no contemplan las diferencias individuales en cuanto a la sensibilidad a la fatiga. En cambio, se propone que la capacidad predictiva de estos modelos podrían mejorar si se realizan medidas cognitivas con herramientas como CogniFit y oculométricas para contar con las diferencias individuales.

Se midieron las diferentes variables cognitivas y oculométricas con los participantes descansados y cada 3 horas durante un proceso de 25 horas de vigilia (de modo que se obtuvo la puntuación del grupo y la individual). Se pudo comparar, además, el rendimiento real con el rendimiento esperado. Los resultados indicaron que, al añadir estas medidas a los modelos preexistentes, pasaron de explicar el 13,8% al 35,7% de la varianza. Esto significa que, utilizando CogniFit y otras medidas para detectar las diferencias individuales, se puede mejorar enormemente la predicción del rendimiento durante la fatiga y, por tanto, mejorar la seguridad.

Contexto

La fatiga debida a la falta de sueño es uno de los principales riesgos a los que tienen que hacer frente tanto en el transporte militar, como en el transporte civil. En principio, la solución para estos problemas sería el dormir adecuadamente y/o recurrir a fármacos. No obstante, en ocasiones esto no es suficiente. Gran parte de esto se puede prevenir a través de la predicción del rendimiento de una persona o midiendo directamente la capacidad del individuo para actuar en el momento adecuado. Este modelo de predicción, en cambio, tiene una efectividad moderada por sí solo.

La relativa falta de éxito de este modelo puede ser debido a que da por hecho que todos los individuos tienen unos ritmos circadianos y una respuesta ante la fatiga semejantes; mientras que los estudios apuntan a que las diferencias individuales en estos ámbitos son significativas. Alguno de los aspectos que interfieren en esta respuesta ante la fatiga es el funcionamiento cognitivo del individuo.

Por tanto, cabría esperar un aumento de la efectividad del modelo predictivo si incluimos medidas que tengan en cuenta las diferencias individuales, como las medidas cognitivas y las oculométricas.

Metodología

Participantes

Los participantes consistieron en 15 voluntarios del personal militar en servicio activo (13 hombres y 2 mujeres, con edades media de 24,7 años y 21,5 años respectivamente) del programa Naval Aviation Preflight Indoctrination (API) a bordo de la Naval Air Station Pensacola. Para participar en el estudio, se controló el consumo de alcohol, cafeína y tabaco, además debían estar exentos de problemas neurológicos, psiquiátricos o relacionados con el sueño.

Procedimiento

Se aplicó un diseño de medidas repetidas para conocer los efectos de la privación del sueño en el rendimiento cognitivo y oculométrico, tanto a nivel de grupo, como a nivel individual. En primer lugar se registró la línea base y luego se tomaron los datos durante la deprivación del sueño.

Evaluación cognitiva personalizada con CogniFit: Plataforma para investigadores.

Para evaluar las habilidades cognitivas relevantes para la fatiga, emplearon la herramienta de evaluación cognitiva de CogniFit. Dado que la evaluación cognitiva completa tiene una duración de 30 minutos y los participantes no podían emplear tanto tiempo, la evaluación fue adaptada a las necesidades del experimento, reduciendo su duración a 7 u 8 minutos, y midiendo exclusivamente el Tiempo de reacción, Escaneo visual, Atención dividida, Flexibilidad cognitiva, Atención focalizada y Memoria a corto plazo. No obstante, CogniFit es una herramienta de evaluación y entrenamiento cognitivo que mide y entrena más de 20 capacidades cognitivas. También cuenta con una plataforma para investigadores. Esta plataforma facilita la gestión de los datos de las investigaciones y ayuda a mejorar las capacidades cognitivas de los participantes.

  • CogniFit dispone de diversas evaluaciones que nos permitirán conocer el perfil completo del usuario en una sola sesión. Estas evaluaciones ayudan a medir el nivel base de cada participante, lo que es muy útil en caso de una intervención, pues permite ajustarse al usuario desde un inicio.
  • Además de la evaluación, CogniFit también dispone de programas de entrenamiento cognitivo que nos permitirán fortalecer y optimizar las capacidades cognitivas de los usuarios. Una de las características más distintivas de CogniFit es que los entrenamientos son personalizados. Esto quiere decir que las actividades y la dificultad de éstas serán escogidas automáticamente por el programa para adaptarse a las necesidades de cada participante. En cada sesión se mide el desempeño del participante, por lo que podremos conocer los puntos fuertes y débiles del usuario en cada momento. CogniFit decide de manera autónoma el mejor plan de entrenamiento para ese usuario en concreto. Además, esto hace que sea improbable que dos participantes realicen exactamente el mismo entrenamiento.
  • Es una herramienta online muy accesible, ya que está disponible en 18 idiomas y sólo se requiere un dispositivo con acceso a Internet para acceder a la plataforma.
  • La herramienta de CogniFit ha sido validada por estudios científicos de diversos países. Esto la convierte en una herramienta robusta y fiable para entrenar el estado cognitivo de nuestros participantes.
  • Actualmente, CogniFit cuenta con 18 tareas distintas de evaluación que miden más de 20 habilidades cognitivas. Así, los investigadores podrán conocer el estado del perfil cognitivo de los participantes.

La plataforma para investigadores de CogniFit permite gestionar de manera cómoda las investigaciones llevadas a cabo con esta herramienta. Para crearnos una cuenta gratuita sólo tenemos que seguir los pasos que se nos indican. Esta cuenta de investigadores da la posibilidad de:

  • Invitar y regular las actividades de los participantes, así como las pruebas que se les va a aplicar para medir y/o entrenar sus funciones cognitivas.
  • Recopilar los datos de los participantes, pudiendo ver el estado y la evolución cognitiva.
  • Llevar a cabo estudios experimentales sobre los efectos de la estimulación cognitiva a través de programas computerizados.
  • Diseñar la investigación con entrenamientos para áreas cognitivas generales o específicas.
NT

Cuando hayamos iniciado sesión, podremos adquirir licencias de Evaluaciones, de Entrenamientos o de ambos tipos. La herramienta de CogniFit dispone de 9 evaluaciones diferentes y de 15 programas distintos de entrenamiento.

NT

Los dos productos principales de CogniFit ayudan medir o entrenar todas las habilidades cognitivas que trabajamos con un amplio respaldo científico:

  • Evaluaciones: A través de 18 tareas diferentes podemos evaluar más de 20 habilidades cognitivas de manera precisa. Esto nos permite crear un completo perfil del estado cognitivo actual del participante. La evaluación más completa es la Evaluación General (CAB), pero CogniFit también ofrece baterías de evaluación más específicas: para Parkinson, Depresión, Dislexia, TDAH y otras. Al inicio de cada tarea se explicará de manera interactiva lo que tiene que hacer el participante.
  • Entrenamientos: Con más de 30 juegos de entrenamiento, es posible estimular todas las habilidades cognitivas entrenadas en CogniFit. El entrenamiento cerebral personalizado permite fortalecer las capacidades cognitivas de nuestros participantes de forma entretenida y cómoda. Además, CogniFit también dispone de entrenamientos para patologías específicas. Los juegos incluyen una explicación interactiva para que los participantes puedan comprender con facilidad cómo funcionan. Cada sesión de entrenamiento dura aproximadamente entre 15 y 20 minutos. En este tiempo, nuestros participantes realizarán tres actividades (dos juegos y una tarea de evaluación). Además, la herramienta adapta automáticamente la dificultad de las actividades al nivel de los participantes. También tendremos la opción de indicar el número de horas que queremos que descanse cada participante entre una sesión de entrenamiento y otra.

Cuando hayamos elegido las evaluaciones y los entrenamientos que nos interesen, podemos invitar a nuestros participantes, adjudicarles un grupo y las actividades que tendrán que hacer. Los participantes recibirán una invitación en su correo electrónico y sólo tendrán que crearse una cuenta como usuario normal y aceptar que los investigadores podamos ver sus resultados.

NT

Desde nuestra cuenta de investigadores, podremos observar la actividad de nuestros participantes, ver sus perfiles o evolución cognitiva y exportar los datos del estudio. También tendremos acceso a diferentes datos:

  • El estado de las cinco áreas cognitivas en las que se engloban las demás habilidades cognitivas.
NT
  • El estado individual de cada una de las habilidades cognitivas.
NT
  • Un gráfico con la evolución general del estado cognitivo del participante, o de cada una de las capacidades cognitivas de manera independiente.
NT

Cuando hayamos finalizado la recogida de datos del estudio, podremos descargarnos en nuestro ordenador los resultados de cada participante para proceder a su análisis.

Análisis estadísticos

El análisis se llevó a cabo en tres pasos:

  • Paso 1: Se realizó una serie de ANOVAs para cada criterio y variable predictora medida en cada ensayo. De esta forma se determinó qué variables mostraron cambios a través del tiempo.
  • Paso 2: Se realizó una serie de modelos lineales jerárquicos bivariados con efectos fijos y aleatorios con el objetivo de predecir cuándo la fatiga iba a producir un menor rendimiento y, a su vez, descubrir diferencias no detectadas en el análisis a nivel de grupo. Se detectó un efecto grupal (p<0,05) y diferencias individuales dentro de ese efecto global (0<0,05). Tras esto, se realizó un modelo lineal jerárquico multivariado para saber qué variables predictoras compartían varianza explicativa a nivel estadístico y relación a nivel conceptual.
  • Paso 3: Se realizó una serie de modelos lineales generales a partir de las variables predictoras significativas del paso anterior. Con ello, se buscaba conocer la capacidad predictiva del modelo al tener en cuenta factores cognitivos y oculométricos.

Resultados y conclusiones

En el Paso 1 del análisis de datos, se obtuvieron los efectos de grupo. Se pudo observar que hubo efectos significativos en el tiempo de reacción (p=0.009), en la memoria a corto plazo (p=0.023), en la atención dividida (p=0.026) y en la flexibilidad cognitiva (p=0.002). Con la fatiga, se producía una reducción del rendimiento de estas capacidades cognitivas, por lo que se tuvieron en cuenta como variables predictoras en el siguiente paso. En el Paso 2 del análisis, se obtuvieron las diferencias individuales a través de las relaciones significativas entre distintas variables con efectos fijos o aleatorios. En el paso 3 del análisis de datos, se observó que cuando sólo se empleaban las medidas clásicas de predicción, las predicciones sólo podían explicar un 13,8% de la varianza. En cambio, añadiendo las variables cognitivas significativas, las predicciones podían explicar un 35,7% de la varianza.

Estos resultados indican que añadir algunas variables sensibles al cansancio a los modelos predictivos habituales, como las que mide CogniFit, puede ayudarnos a predecir de manera más precisa cuándo el rendimiento va a verse afectado por la fatiga. Conocer esta información puede ser de mucha utilidad para prevenir accidentes y tomar medidas de precaución tanto en ámbitos aéreos militares como civiles.

Paciente #141

Cate Brown

catebrown@mail.com

59 años

Última actividad: 02/01/2016 | 4:09 min

Fecha de registro: 01/01/2013

Número total de logins: 23

Inhibición

598

Atención focalizada

608

Memoria Auditiva a Corto Plazo

468

Percepción Espacial

405

Configurar entrenamiento

Entrenamiento personalizado

Duración de sesión

15 min

Entrenamiento personalizado

Memoria

Concentración

Planificación mental

Quimioterapia

Mayores de 55 años

Cálculo mental

Percepción espacial

Insomnio

Darwin Science Institute

Participantes: 135

Grupos: 24

Más de 60 años

Grupo de control

Participantes: 11

Añadir Participantes

Más de 60 años

Grupo normal

Participantes: 11

Añadir Participantes

Test de memoria

Grupo de control

Participantes: 5

Añadir Participantes

Test de memoria

Grupo normal

Participantes: 5

Añadir Participantes

Crear nuevo grupo

Nombre

Tipo de grupo

Grupo de control

Grupo normal

Salvar

Configuración: Manual

Daniel Foster

Test de memoria

Grupo de control

0
Entrenamiento personalizado
1
Memoria
0
Concentración
1
Planificación mental
0
Enfoque de conducción
0
Mayores de 55 años
0
Percepción espacial
0
Infarto Cerebral
1
Insomnio
1
Cálculo mental
2
Descanso entre sesiones de entrenamiento (horas)
Evaluación cognitiva general

Número de repeticiones del Entrenamiento

5

Enviar

Estudiante #231

Paul Perkins

DaVinci High School

12 años | Diestro

TDAH

DaVinci High School

Estudiantes: 357

Cálculo

Lógica

Escritura

Lectura

Memoria de Trabajo

565

Denominación

411

Percepción Visual

355

Memoria Visual a Corto Plazo

392

Velocidad de Procesamiento

450

Atención focalizada

298

Intervención TDAH
Entrenamiento
Habilidades cognitivas
Atención focalizada
Percepción Espacial
Escaneo Visual
Mandar este entrenamiento a Paul Perkins
Fortalezas
Ciencias de la naturaleza
Lengua y Literatura
Eduación plástica y visual

Escribe tu dirección de correo electrónico