$$\rightleftharpoonup{xx}$$
$$\longleftharp{xx}$$,
$$\longrightharp{xx}$$,
Descrizione del gameplay dal punto di vista della codifica: per la fase di "codifica", una serie di diciotto waypoint sono stati posizionati intorno allo spazio tridimensionale, ognuno dei quali aveva un "Delivery Item" (cioè un oggetto da consegnare alla posizione). I riferimenti a questi waypoint venivano memorizzati nel controller del giocatore e ordinati staticamente prima di iniziare l'attività; Cioè, se la pizzeria fosse stata collocata in posizione uno, sarebbe sempre stata in posizione uno all'inizio. Al fine di fornire un certo grado di casualità ai waypoint incontrati dai partecipanti, l'elenco dei waypoint è stato mescolato tramite l'algoritmo di riproduzione casuale di Fisher-Yates. Lo shuffle di Fisher-Yates, come implementato per questo studio, genera una permutazione pseudocasuale della sequenza originale in atto. Qualsiasi possibile permutazione può essere generata con uguale probabilità. L'algoritmo inizia selezionando un elemento dalla fine dell'elenco (n). Un numero pseudocasuale viene generato nell'intervallo di [0, n] e assegnato al valore k. L'n-esimovalore viene quindi scambiato con il k-esimo valore. Successivamente, il valore di n viene decrementato di uno e il processo si ripete fino a quando non c'è un solo indice non ancora considerato.
Dopo che l'elenco dei waypoint è stato mescolato, sono stati selezionati i primi cinque elementi. I percorsi ottimali sono stati generati tramite il sistema mesh di navigazione del motore di gioco e i calcoli dei percorsi ottimali integrati. Questa serie di percorsi iniziava nella posizione di partenza del partecipante e creava una catena collegata tra ciascuno dei waypoint, terminando al waypoint finale. Quando i partecipanti hanno ottenuto il controllo, sono stati indirizzati a seguire questi percorsi, indicati da una linea verde e da una freccia mobile che forniva informazioni sulla direzione prevista. Sebbene questa linea verde e questa freccia mobile siano state fornite, i partecipanti sono stati in grado di navigare attivamente in tutto l'ambiente virtuale. Quando il partecipante entrava nei limiti del waypoint, il percorso visualizzato veniva scambiato con il percorso successivo nell'elenco.
Dopo aver visitato il numero previsto di elementi waypoint, il partecipante è entrato nella fase di "ricordo" (chiamata RevisitIntermission nel codice), in cui è stato indirizzato a rivisitare i punti di riferimento nell'ordine in cui erano stati precedentemente mostrati. Quando il partecipante ha tentato di rivisitare i luoghi presentati durante la visita guidata, gli è stata presentata un'immagine specificata dall'"Articolo di consegna" associato ai waypoint. Non è stato presentato loro un percorso suggerito. I loro movimenti sono stati tracciati con un componente di tracciamento del movimento di oggetti proveniente dall'archivio di asset.
Quando i partecipanti hanno terminato il viaggio verso ogni waypoint presentato, sono state fornite istruzioni che li indirizzavano alla schermata successiva per ricordare i luoghi che avevano visitato e gli articoli consegnati a ciascuno di essi. Durante la fase di richiamo, ai partecipanti è stato presentato un prompt con due voci di testo. Il primo dettava il waypoint verso cui il partecipante era invitato a viaggiare. Il secondo dettava l'"Elemento di consegna" associato a questo waypoint. La risposta e il tempo di risposta sono stati registrati per ogni richiesta.
Al termine dell'attività, i dati sono stati raccolti e archiviati in rappresentazione JSON. La prima sezione ha registrato la fase di rivisitazione, in cui ai partecipanti è stato chiesto di trovare luoghi senza l'ausilio di una linea guida. I valori registrati includevano il nome del waypoint, il nome dell'"Articolo di consegna" e il tempo impiegato per arrivare al waypoint. La seconda sezione ha registrato le risposte presentate durante la fase di richiamo. Questa sezione includeva le risposte dei partecipanti per la posizione, l'"Articolo di consegna" e il tempo necessario per rispondere alle richieste di cui sopra. Tutto il codice può essere trovato e scaricato all'indirizzo https://github.com/embodiedbrainlab/BassoSpatialNavigationTask.
Analisi e statistiche di potenza: è stata condotta un'analisi della potenza del modello biseriale a punti di correlazione con G*Power 3.1 utilizzando un test a due code, una dimensione dell'effetto di 0,3, un livello alfa di 0,05 e una potenza di 0,8 per determinare una dimensione del campione di n = 8226. Le statistiche descrittive sono state utilizzate per valutare l'età dei partecipanti, il numero di lezioni di ciclismo e le misure generali, tra cui la navigazione spaziale e le capacità di memoria episodica. Un t-test a campioni indipendenti è stato utilizzato per testare differenze significative tra il numero totale di allenamenti tra i gruppi sperimentali e di controllo. Considerando che non tutti i dati erano distribuiti normalmente, come valutato dal test di Shapiro-Wilk (p<0,05), abbiamo utilizzato il coefficiente di correlazione rho di Spearman non parametrico per valutare le relazioni tra la navigazione spaziale e le capacità di memoria episodica, nonché l'età e le capacità di navigazione spaziale. Un valore alfa di 0,05 è stato utilizzato per determinare la significatività statistica. Le correzioni di Bonferroni sono state utilizzate in una famiglia di test statistici, ove appropriato. IBM SPSS Statistics versione 26 è stato utilizzato per tutte le analisi statistiche. La correlazione prodotto-momento di Pearson è stata utilizzata per valutare la relazione tra il numero totale di allenamenti in bicicletta e le capacità di navigazione spaziale, poiché questa era la procedura condotta da Basso et al. (2022)27.
Partecipanti: N = 130 partecipanti sono stati reclutati da Austin, TX, attraverso varie tecniche, tra cui pubblicità online e volantini. I criteri di inclusione includevano l'inglese come lingua principale e l'età compresa tra i 25 e i 55 anni (media 30,16 ± 0,49). Inoltre, tutti i partecipanti dovevano riferire di essere fisicamente sani e di avere un regime di esercizio moderato e regolare (definito come esercizio fisico una o due volte a settimana per 20 minuti o più negli ultimi 3 mesi). I criteri di esclusione includevano l'essere un fumatore attuale o condizioni di salute fisica preesistenti che rendevano l'esercizio difficile o non sicuro. I criteri di esclusione includevano anche una diagnosi attuale e/o l'assunzione di farmaci per condizioni psichiatriche o neurologiche, tra cui ansia, depressione, disturbo bipolare, schizofrenia o epilessia.
Per i dati pre-intervento, n = 11 partecipanti mancavano di dati a causa di problemi tecnici e n = 1 partecipante è stato escluso a causa della mancata aderenza al compito, lasciando un totale di n = 117 partecipanti per l'analisi. Degli n = 80 partecipanti che hanno completato il regime di esercizi di tre mesi, n = 11 partecipanti non hanno completato il compito finale di navigazione spaziale, lasciando un totale di n = 69 partecipanti per l'analisi dei dati post-intervento e delle misure ripetute. Questa dimensione del campione più piccola è stata utilizzata per esaminare la relazione tra il numero di sessioni di ciclismo e le capacità di navigazione spaziale. Il gruppo di controllo si è impegnato in 20,73 (± 0,72) allenamenti nel corso dell'intervento, mentre il gruppo sperimentale si è impegnato in 47,87 (± 2,24) allenamenti, che rappresentavano una differenza statisticamente significativa (t [45,76] = -11,554, p < 0,001).
Misure generali e loro relazioni: questo nuovo compito dell'ambiente virtuale misura sia la navigazione spaziale che la capacità di memoria episodica. Durante il periodo iniziale di test pre-intervento, l'attività ha richiesto una media di 318,69 (±21,56) s per essere completata, con un tempo medio di ricerca per ciascuno dei cinque siti di 82,88 (±5,19) s (Figura 5A); Questi punti dati rappresentano la capacità di navigazione spaziale (cioè l'apprendimento spaziale e la memoria). Inoltre, i partecipanti sono stati in grado di codificare gli aspetti di luogo, oggetto, ordine e associazione dell'esperienza virtuale, con i partecipanti che ricordavano 14,84 (±0,37) su 20 nuove esperienze nel loro ambiente (Figura 5B); Questi punti dati rappresentano la capacità di memoria episodica. È importante sottolineare che il tempo totale (Figura 6A; r = -0,314, p < 0,001) e il tempo medio di ricerca (Figura 6B; r = -0,286, p < 0,001) erano significativamente correlati con il punteggio della memoria episodica, indicando che la capacità di navigazione spaziale è associata alla memoria episodica in questo compito.

Figura 5: Tempo dell'attività. Media (± SEM) sia per (A) capacità di navigazione spaziale rappresentata sia nel tempo medio di ricerca che nel tempo di ricerca totale (fornito in secondi) e (B) capacità di memoria episodica rappresentata nella codifica e nel ricordo di luogo, oggetto, ordine, associazione e punteggio complessivo della memoria episodica. Clicca qui per visualizzare una versione più grande di questa figura.

Figura 6: Relazione tra la capacità di navigazione spaziale e la memoria episodica. Il miglioramento della capacità di navigazione spaziale, rappresentato da un tempo di ricerca medio più breve (A) e dal tempo di ricerca totale (B) è associato a una maggiore memoria episodica, rappresentata dal punteggio di memoria episodica. *P < 0,001. Clicca qui per visualizzare una versione più grande di questa figura.
Coordinate X e Z rappresentate nello spazio virtuale: Utilizzando un object motion tracker, le coordinate x e z sono state tracciate in questo spazio virtuale tridimensionale (File supplementare 1). Poiché lo spostamento su e giù nel gioco (ad esempio, il salto) non è abilitato in questa attività di navigazione spaziale, le coordinate y non fornivano informazioni utili. Tuttavia, le coordinate x e z ci hanno permesso di valutare come si muoveva il partecipante durante il gioco. Sulla base di questi dati, il codice informatico è stato progettato per visualizzare visivamente una mappa di calore di dove il partecipante ha viaggiato in tutta la mappa. La Figura 7 mostra una mappa di calore di un partecipante rappresentativo, che evidenzia il percorso che il partecipante ha seguito durante la fase di memorizzazione. I punti evidenziati in giallo/rosso corrispondono alle posizioni di consegna (cioè ricompensa) sulla mappa.

Figura 7: Mappa termica dell'occupazione. Mappa termica dell'occupazione che mostra il percorso del partecipante. Le sezioni giallo/rosse del grafico rappresentano i luoghi frequentati dal partecipante e corrispondono ai luoghi del compito di navigazione spaziale in cui i partecipanti dovevano consegnare gli articoli (ad esempio, i luoghi di ricompensa). Clicca qui per visualizzare una versione più grande di questa figura.
Relazione tra età e capacità di navigazione spaziale: Le indagini iniziali hanno indicato che la capacità di navigazione spaziale, valutata dal tempo di ricerca totale, era significativamente associata all'età (Figura 8; r = 0,157, p = 0,045). Con l'aumentare dell'età, la capacità di navigazione spaziale diminuisce, come evidenziato da un aumento del tempo di ricerca totale. Tuttavia, quando è stata applicata la correzione di Bonferroni, con la significatività statistica valutata a p = 0,025 per due correlazioni (cioè il tempo di ricerca totale e la durata media della ricerca), la correlazione non era più significativa.

Figura 8: Relazione tra la capacità di navigazione spaziale e l'età. Quando è stata valutata utilizzando una correzione di Bonferonni (p < 0,025), l'età non era significativamente associata alla capacità di navigazione spaziale rappresentata dal tempo di ricerca totale. Clicca qui per visualizzare una versione più grande di questa figura.
Relazione tra l'esercizio aerobico e le capacità di navigazione spaziale: L'allenamento aerobico si è svolto in uno studio di ciclismo indoor28. Tutte le lezioni duravano 45 minuti e includevano il ciclismo a intensità da moderata a vigorosa per tutta la durata della lezione. I partecipanti sono stati sottoposti a un'assegnazione casuale per mantenere il loro regime di esercizio esistente o aumentare il loro regime di esercizio. I partecipanti che hanno mantenuto il loro regime di esercizi si sono impegnati in 1 o 2 lezioni a settimana, mentre i partecipanti che hanno aumentato il loro regime di esercizi si sono impegnati in 4-7 lezioni a settimana. I partecipanti si sono impegnati nel regime di esercizi assegnato per un periodo di 3 mesi. La navigazione spaziale e la capacità di memoria episodica sono state testate prima e dopo l'allenamento. Ulteriori dettagli sull'intervento sono disponibili in Basso et al. (2022)27. Il numero totale di lezioni di ciclismo nel corso di tre mesi è stato significativamente associato alla durata media della ricerca (Figura 9A; r = -0,321, p = 0,007) e al tempo di ricerca totale (Figura 9B; r = -0,242, p = 0,045). Tuttavia, quando è stata applicata la correzione di Bonferroni, con la significatività statistica valutata a p = 0,025 per due correlazioni (cioè il tempo di ricerca totale e la durata media della ricerca), la correlazione per il tempo di ricerca totale non era più significativa. Ulteriori risultati dell'intervento sono disponibili in Basso et al. (2022)27.

Figura 9: Relazione tra la capacità di navigazione spaziale e l'esercizio. Un aumento del numero di sessioni ciclistiche è associato a una migliore capacità di navigazione spaziale, rappresentata da (A) tempo medio di ricerca e (B) tempo di ricerca totale. *P < 0,05. Questa cifra è stata modificata con il permesso di Basso et al.27. Clicca qui per visualizzare una versione più grande di questa figura.
File supplementare 1: Dati grezzi 1. Dati grezzi, comprese le informazioni relative alla fase di ricordo (rivisitazione) e di memoria episodica (richiamo) dell'attività di navigazione spaziale. Vengono inoltre presentati i dati relativi alle coordinate x e z del partecipante che viaggiano nello spazio virtuale tridimensionale durante le fasi di codifica e memorizzazione dell'esperimento. Clicca qui per scaricare questo file.
File supplementare 2: Dati grezzi 2. Dati non elaborati con calcoli (presentati in rosso) per determinare l'ora di inizio, l'ora di fine, la durata media della ricerca, il punteggio di posizione, il punteggio dell'elemento, il punteggio dell'ordine, il punteggio di associazione e il punteggio della memoria episodica. Clicca qui per scaricare questo file.