• 视觉Vertigo模拟量表（VVAS）[时间范围：8周]
  Visual Vertigo模拟量表（VVAS）是一项自我报告的问卷，参与者在9个不同的视觉挑战性环境中的10 cm线上对视觉眩晕进行了评分。得分为0表示没有头晕。最大分数为100（计算为每个项目X 9除以10的测量）。
• 功能步态分析（FGA）[时间范围：8周]
  旨在评估个人执行各种运动任务的能力的功能测试，例如：闭着眼睛行走，向后走，爬楼梯。有10个项目，每个项目都由治疗师评分为0（严重损害）至3（正常）。最大分数为30。更高。

该试点项目的具体目的是：

目的＃1：确定28个单侧前庭功能障碍和28个年龄匹配的同伴的感官整合策略在多大程度上有所不同。参与者的姿势摇摆将被记录，因为他们站在地板或兼容的表面时会经历两个级别的移动星星10和白噪声。我们的工作假设是，具有前庭性功能低下的患者利用替代策略，与对照组相比，他们将表现出更大的视觉和听觉依赖，尤其是当通过支撑表面降低体感提示时。然后，我们将探索这些机制在训练后是否发生变化。

AIM＃2：制定协议并确定将CSI培训与标准前庭康复进行比较的随机对照试验（RCT）的可行性。评估后，这28名患者将被随机分为标准的前庭康复与CSI培训。这项试点研究将使我们能够测试招聘，随机程序，建立损耗率并测试培训方案的可行性。

AIM＃3：生成用于适当动力RCT的样本量计算的试点数据。后续RCT将测试CSI培训对：视觉Vertigo模拟量表（VVAS），功能步态分析（主要）的影响；平衡置信度，整体残疾（描述性）。在我们的初步研究中，有8名患者符合当前建议的纳入标准。在CSI训练之后，它们对VVA的影响大小为1.17。当前的研究将使我们能够确定VVA的组间效应大小和功能步态结果。

系统：测试平台在带有8GB RAM的Windows 10笔记本电脑上，以每秒120帧的速度运行，Intel i7-7820hk CPU，NVIDIA GTX 1080 MAX-Q GPU和BOSE AWROND-EAR HEARTHONES II II II II II II II II II MAX-Q GPU，在Windows 10笔记本电脑上运行。 。该软件是在C＃中与Unity3d 2018.2.0f1（64位）（Unity Technologies，旧金山，加利福尼亚州）开发的。该系统利用SteamVr。 Oculus Rift和HTC Vive均以90 Hz刷新率，110度的视野和每只眼睛的1080x1200分辨率的高清视频运行。地铁站，机场航站楼和地铁列车的图形以Maya建模，并进口到Unity3D。其余3D对象以Unity3D建模。地铁站模型和机场型号复制了纽约市的一个真正的地铁站和美国的一个真正的机场航站楼。系统中的内容由用户界面完全控制（请参见图3）。使用Wwise中间件和Google Resonance音频插件实现了三维声音。使用头部跟踪数据，根据听众头部的位置调制音频。该技术允许在听众周围的各个方向上创建丰富的音景。系统中使用的音频资产分为两个主要组：声音对象和Ambiances。声音对象附在场景中的视觉对象上，它们的位置正在相应地发生变化。声音包括：脚步，火车，公告，汽车，球，飞机等。Ambiances是由纽约不同地点的原始录音创建的。这些包括不同的背景声音，即人群的声音，遥远的火车，风，鸟类，交通和每个空间的一般房间音调。系统中使用的所有声音均分配给三种不同的强度级别，这与声景的复杂性增加有关。

数据收集：第一次评估会议将包括一个完善的姿势控制评估，研究人员已将其转化为HMD范式并添加了听觉层。该协议将包括以下所有可能的组合：2个视觉扰动水平（静态恒星；沿AP方向移动的恒星，0.2 Hz，0.032m）； 2个听觉扰动水平（安静的房间；在0.3Hz时从0到1 dB循环的白噪声）和2个支撑级表面（地板；内存泡沫）。每个场景的长度为60秒，有8个组合，每个场景将重复3次，共有24个试验。在3个频率段中摇摆的功率谱密度（PSD）将源自实验室力板，并将用于探索感觉整合机制。参与者还将完成FGA（主要），VVA（主要），ABC（描述性）和DHI（描述性）。

参与者将两次（相距一周）完成基线评估，以确保措施的稳定性。在基线评估之后，参与者将被随机分为CSI实验组（例如，n = 14）或标准的康复对照组（CG，n = 14）。参与者将在第二次评估的一周内开始干预计划。该环境将是西奈山纽约眼和耳朵医务室的前庭康复诊所。

这两组：符合条件的参与者将在考虑参与研究的同时，为患者教育和基本家庭运动计划（步态，平衡，无眼运动锻炼）。

计划剂量：8周，每周1次访问，30分钟长：场景：从大多数显着性到患者开始，最终完成所有持续时间：从60秒开始，随着时间的流逝，每个场景的复杂性最高3分钟：开始最小，逐渐增加到大多数复杂的任务：站在多样化的支持基础上（BOS） ），转弯（随速度，飞机进展）；步进，转弯CG：渐进步态，凝视稳定性和平衡练习。步态：转弯行走，范围，速度和头部移动飞机的进展；步行BOS的变化：宽，正常，串联凝视：专注于目标，同时将头向侧面 /向下移动。速度，持续时间，繁忙的背景，站立到步行。

余额：站立平衡任务，BOS（宽至狭窄到串联）的进展，支撑表面，眼睛闭合，持续时间，转弯。

两组的进步 /回归规则：可以在60秒内完成的最高挑战水平，而不会损失平衡（LOB）；基于模拟器疾病问卷，诊所中的中度症状不过是中度症状；如果症状在会议后2小时持续了2个小时，请下次将强度缩小。如果症状立即改善，请以相同的强度和持续时间重复任务。

两组的家庭计划：每周8周，6次，每天两次，10分钟长，最高水平的挑战（没有LOB，症状增加），每任务60秒钟，例如：步态和平衡练习，没有眼睛闭合的锻炼CG：步态，目光的稳定性和平衡练习，包括闭着眼睛的运动

与基线评估相同的评估将在第八届干预课程完成后一周内进行。

样本量：对于AIM 1，研究人员将招募28名患者，并将28名患者和性别匹配的对照组招募。对于目标2和3，28例患者将被随机分为实验（n = 14）和对照组（n = 14）组。假设在干预过程中耗费约为20％，则每个干预组有11-12名参与者。鉴于我们的招聘历史，这个数字在12个月的飞行员赠款的持续时间和资源中是可行的。如下所述，研究人员将确定未来，充分动力的研究所需的样本量。

内部有效性：为避免选择偏差并平衡潜在的混杂因素，研究人员将使用R.21中的Blockrand软件包为参与者使用块随机化策略，此过程使用两个阶段的过程：首先，选择块的大小2、4、6或8;接下来，生成一个大小的块。因此，没有研究人员能够预测将分配或更改该分配的参与者（即掩盖分配）。仅在基线评估后才将参与者随机分为组，并同意参加研究。尽管由于干预的性质，参与者和治疗临床医生不能对小组分配视而不见，但通过使治疗后评估者对治疗状态蒙蔽，偏见将最小化。为了控制损耗偏见，除了意图对治疗方法外，研究人员还将确定是否存在任何缺失的预测指标。如果是这样，研究人员将使用模式混合模型来乘以任何缺失的响应（5个复制）。

对相关生物学变量的考虑：上面指定的资格标准代表了性别和不同年龄范围的单侧前庭功能障碍的成年人。对照组的年龄和性别将与前庭组相匹配。将招募广泛的年龄范围（18岁及以上）。已知肥胖会影响姿势，并可能改变姿势控制策略。如果样本包括超重个体，则在调整体重时将测试模型。由于样本将包括老龄化的人，因此调查人员预计群体之间会有相似的健康状况，例如，与年龄相关的听力损失。排除标准将消除对姿势控制至关重要的健康状况，例如：视觉障碍，周围神经病和其他神经系统状况。

数据分析：目标1：对于四个感兴趣的度量（PSD 1-3和总体PSD），研究人员将拟合线性混合效应模型，以将年龄匹配的控件与前庭性功能低下的患者进行比较，同时考虑到固有的多层研究设计（人，条件，重复）。这些模型将包括组的主要影响，视觉状况，听觉状况，表面状况以及它们的相互作用，同时调整年龄。固定效应的p值将通过satterthwaite近似来计算T分布的自由度。干预后将重复分析，调整小组分配和干预预分配值。 ABC和DHI将用于描述样品。

目标2：无需统计分析。目标3：首先，遵循意图对治疗原则，线性回归模型将与VVA和FGA作为主要因变量，在治疗组上，控制基线协变量（年龄和其他自我报告的问卷测量）提高治疗效果估计的精度以及测试前评分。干预措施的潜在疗效将根据重大治疗状态的系数进行评估。其次，如上所述，研究人员将拟合模式混合模型，以乘以任何缺失的值，并使用Rubin的规则来池系数及其从回归模型中符合每个估计数据集的标准误差。该试验随机试验产生的数据将用于计算未来所需的样本量，通过估计治疗组的均值差异（即未来的预期效应大小）以及差异计算功率函数所需的主要结果和其他参数的值。

安全和报告：初步工作表明，没有网络智能，对虚拟现实训练没有跌倒或不良反应。由于担心症状，只有1名患者辍学。其他人由于焦虑，医生的要求，治疗停止或入学后发生的其他骨科伤害而退出。在当前的研究中，医学博士Maura Cosetti博士将监督和监测试验作为初步DSMB的行为。这将确保参与者的安全以及数据的有效性和完整性。 PI和Kelly博士将持续对Cosetti博士进行频繁报告，对参与者的安全（每次会议上的症状）进行持续监测。调查人员将遵循报告试验的合并标准（CONSORT）2010声明清单和图表，以报告试验结果。

• 头晕慢性
• 眩晕，外围
• 落下

• 行为：平衡训练
  在虚拟环境中进行渐进的平衡培训
  其他名称：

  • 虚拟现实
  • 上下文感官集成培训
  • HTC Vive
• 行为：传统的前庭康复
  渐进的平衡训练和凝视稳定性练习

• 实验：虚拟现实
  通过虚拟现实应用程序场景进行渐进的沉浸式培训：从最显着到患者开始，最终完成所有持续时间：从60秒开始，随着时间的推移增加到3分钟，每个场景复杂性：开始最小，逐渐增加到大多数复杂的任务：站在不同的支持基础（BOS），转弯（以速度，飞机上进展）；步进，每周8周，1次访问，在家中长30分钟：步态和平衡练习，没有闭上眼睛的练习，每周8周，6次，每天两次，10分钟
  干预：行为：平衡培训
• 主动比较器：传统的前庭康复

  渐进步态，目光的稳定性和平衡练习步态：往返行走，范围，速度和头部移动飞机的前进；步行BOS的变化：宽，正常，串联凝视：专注于目标，同时将头向侧面 /向下移动。速度，持续时间，繁忙的背景，站立到步行。

  余额：站立平衡任务，BOS（宽至狭窄到串联）的进展，支撑表面，眼睛闭合，持续时间，转弯。

  8周，每周1次访问，在家中长30分钟：步态，凝视稳定性和平衡练习，包括闭着眼睛的练习，每周8周，6次，每天两次，10分钟长，长10分钟

  干预：行为：传统的前庭康复

纳入标准：

• 成人患者（18岁以上）
• 慢性（3个月及更长）单侧外围前庭功能不全的临床诊断
• 如果有热量测试，将根据阳性头推测试，摇头摇头，自发的眼球震颤和/或运河播种，如果有热量测试，将包括患者。
• 包括的患者必须在VVA上呈现至少两个阳性项目

排除标准：

患者将被排除治疗先前的前庭康复，双侧或不稳定的前庭丧失或其他神经系统疾病，活跃的良性良性阵发性阵发性位置眩晕，急性骨科损伤，周围神经病，听力障碍或视觉障碍，无法用眼镜校正。

• 西奈山的伊坎医学院
• Eunice Kennedy Shriver国家儿童健康与人类发展研究所（NICHD）

• 视觉Vertigo模拟量表（VVAS）[时间范围：8周]
  Visual Vertigo模拟量表（VVAS）是一项自我报告的问卷，参与者在9个不同的视觉挑战性环境中的10 cm线上对视觉眩晕进行了评分。得分为0表示没有头晕。最大分数为100（计算为每个项目X 9除以10的测量）。
• 功能步态分析（FGA）[时间范围：8周]
  旨在评估个人执行各种运动任务的能力的功能测试，例如：闭着眼睛行走，向后走，爬楼梯。有10个项目，每个项目都由治疗师评分为0（严重损害）至3（正常）。最大分数为30。更高。

该试点项目的具体目的是：

目的＃1：确定28个单侧前庭功能障碍和28个年龄匹配的同伴的感官整合策略在多大程度上有所不同。参与者的姿势摇摆将被记录，因为他们站在地板或兼容的表面时会经历两个级别的移动星星10和白噪声。我们的工作假设是，具有前庭性功能低下的患者利用替代策略，与对照组相比，他们将表现出更大的视觉和听觉依赖，尤其是当通过支撑表面降低体感提示时。然后，我们将探索这些机制在训练后是否发生变化。

AIM＃2：制定协议并确定将CSI培训与标准前庭康复进行比较的随机对照试验（RCT）的可行性。评估后，这28名患者将被随机分为标准的前庭康复与CSI培训。这项试点研究将使我们能够测试招聘，随机程序，建立损耗率并测试培训方案的可行性。

AIM＃3：生成用于适当动力RCT的样本量计算的试点数据。后续RCT将测试CSI培训对：视觉Vertigo模拟量表（VVAS），功能步态分析（主要）的影响；平衡置信度，整体残疾（描述性）。在我们的初步研究中，有8名患者符合当前建议的纳入标准。在CSI训练之后，它们对VVA的影响大小为1.17。当前的研究将使我们能够确定VVA的组间效应大小和功能步态结果。

系统：测试平台在带有8GB RAM的Windows 10笔记本电脑上，以每秒120帧的速度运行，Intel i7-7820hk CPU，NVIDIA GTX 1080 MAX-Q GPU和BOSE AWROND-EAR HEARTHONES II II II II II II II II II MAX-Q GPU，在Windows 10笔记本电脑上运行。 。该软件是在C＃中与Unity3d 2018.2.0f1（64位）（Unity Technologies，旧金山，加利福尼亚州）开发的。该系统利用SteamVr。 Oculus Rift和HTC Vive均以90 Hz刷新率，110度的视野和每只眼睛的1080x1200分辨率的高清视频运行。地铁站，机场航站楼和地铁列车的图形以Maya建模，并进口到Unity3D。其余3D对象以Unity3D建模。地铁站模型和机场型号复制了纽约市的一个真正的地铁站和美国的一个真正的机场航站楼。系统中的内容由用户界面完全控制（请参见图3）。使用Wwise中间件和Google Resonance音频插件实现了三维声音。使用头部跟踪数据，根据听众头部的位置调制音频。该技术允许在听众周围的各个方向上创建丰富的音景。系统中使用的音频资产分为两个主要组：声音对象和Ambiances。声音对象附在场景中的视觉对象上，它们的位置正在相应地发生变化。声音包括：脚步，火车，公告，汽车，球，飞机等。Ambiances是由纽约不同地点的原始录音创建的。这些包括不同的背景声音，即人群的声音，遥远的火车，风，鸟类，交通和每个空间的一般房间音调。系统中使用的所有声音均分配给三种不同的强度级别，这与声景的复杂性增加有关。

数据收集：第一次评估会议将包括一个完善的姿势控制评估，研究人员已将其转化为HMD范式并添加了听觉层。该协议将包括以下所有可能的组合：2个视觉扰动水平（静态恒星；沿AP方向移动的恒星，0.2 Hz，0.032m）； 2个听觉扰动水平（安静的房间；在0.3Hz时从0到1 dB循环的白噪声）和2个支撑级表面（地板；内存泡沫）。每个场景的长度为60秒，有8个组合，每个场景将重复3次，共有24个试验。在3个频率段中摇摆的功率谱密度（PSD）将源自实验室力板，并将用于探索感觉整合机制。参与者还将完成FGA（主要），VVA（主要），ABC（描述性）和DHI（描述性）。

参与者将两次（相距一周）完成基线评估，以确保措施的稳定性。在基线评估之后，参与者将被随机分为CSI实验组（例如，n = 14）或标准的康复对照组（CG，n = 14）。参与者将在第二次评估的一周内开始干预计划。该环境将是西奈山纽约眼和耳朵医务室的前庭康复诊所。

这两组：符合条件的参与者将在考虑参与研究的同时，为患者教育和基本家庭运动计划（步态，平衡，无眼运动锻炼）。

计划剂量：8周，每周1次访问，30分钟长：场景：从大多数显着性到患者开始，最终完成所有持续时间：从60秒开始，随着时间的流逝，每个场景的复杂性最高3分钟：开始最小，逐渐增加到大多数复杂的任务：站在多样化的支持基础上（BOS） ），转弯（随速度，飞机进展）；步进，转弯CG：渐进步态，凝视稳定性和平衡练习。步态：转弯行走，范围，速度和头部移动飞机的进展；步行BOS的变化：宽，正常，串联凝视：专注于目标，同时将头向侧面 /向下移动。速度，持续时间，繁忙的背景，站立到步行。

余额：站立平衡任务，BOS（宽至狭窄到串联）的进展，支撑表面，眼睛闭合，持续时间，转弯。

两组的进步 /回归规则：可以在60秒内完成的最高挑战水平，而不会损失平衡（LOB）；基于模拟器疾病问卷，诊所中的中度症状不过是中度症状；如果症状在会议后2小时持续了2个小时，请下次将强度缩小。如果症状立即改善，请以相同的强度和持续时间重复任务。

两组的家庭计划：每周8周，6次，每天两次，10分钟长，最高水平的挑战（没有LOB，症状增加），每任务60秒钟，例如：步态和平衡练习，没有眼睛闭合的锻炼CG：步态，目光的稳定性和平衡练习，包括闭着眼睛的运动

与基线评估相同的评估将在第八届干预课程完成后一周内进行。

样本量：对于AIM 1，研究人员将招募28名患者，并将28名患者和性别匹配的对照组招募。对于目标2和3，28例患者将被随机分为实验（n = 14）和对照组（n = 14）组。假设在干预过程中耗费约为20％，则每个干预组有11-12名参与者。鉴于我们的招聘历史，这个数字在12个月的飞行员赠款的持续时间和资源中是可行的。如下所述，研究人员将确定未来，充分动力的研究所需的样本量。

内部有效性：为避免选择偏差并平衡潜在的混杂因素，研究人员将使用R.21中的Blockrand软件包为参与者使用块随机化策略，此过程使用两个阶段的过程：首先，选择块的大小2、4、6或8;接下来，生成一个大小的块。因此，没有研究人员能够预测将分配或更改该分配的参与者（即掩盖分配）。仅在基线评估后才将参与者随机分为组，并同意参加研究。尽管由于干预的性质，参与者和治疗临床医生不能对小组分配视而不见，但通过使治疗后评估者对治疗状态蒙蔽，偏见将最小化。为了控制损耗偏见，除了意图对治疗方法外，研究人员还将确定是否存在任何缺失的预测指标。如果是这样，研究人员将使用模式混合模型来乘以任何缺失的响应（5个复制）。

对相关生物学变量的考虑：上面指定的资格标准代表了性别和不同年龄范围的单侧前庭功能障碍的成年人。对照组的年龄和性别将与前庭组相匹配。将招募广泛的年龄范围（18岁及以上）。已知肥胖会影响姿势，并可能改变姿势控制策略。如果样本包括超重个体，则在调整体重时将测试模型。由于样本将包括老龄化的人，因此调查人员预计群体之间会有相似的健康状况，例如，与年龄相关的听力损失。排除标准将消除对姿势控制至关重要的健康状况，例如：视觉障碍，周围神经病和其他神经系统状况。

数据分析：目标1：对于四个感兴趣的度量（PSD 1-3和总体PSD），研究人员将拟合线性混合效应模型，以将年龄匹配的控件与前庭性功能低下的患者进行比较，同时考虑到固有的多层研究设计（人，条件，重复）。这些模型将包括组的主要影响，视觉状况，听觉状况，表面状况以及它们的相互作用，同时调整年龄。固定效应的p值将通过satterthwaite近似来计算T分布的自由度。干预后将重复分析，调整小组分配和干预预分配值。 ABC和DHI将用于描述样品。

目标2：无需统计分析。目标3：首先，遵循意图对治疗原则，线性回归模型将与VVA和FGA作为主要因变量，在治疗组上，控制基线协变量（年龄和其他自我报告的问卷测量）提高治疗效果估计的精度以及测试前评分。干预措施的潜在疗效将根据重大治疗状态的系数进行评估。其次，如上所述，研究人员将拟合模式混合模型，以乘以任何缺失的值，并使用Rubin的规则来池系数及其从回归模型中符合每个估计数据集的标准误差。该试验随机试验产生的数据将用于计算未来所需的样本量，通过估计治疗组的均值差异（即未来的预期效应大小）以及差异计算功率函数所需的主要结果和其他参数的值。

安全和报告：初步工作表明，没有网络智能，对虚拟现实训练没有跌倒或不良反应。由于担心症状，只有1名患者辍学。其他人由于焦虑，医生的要求，治疗停止或入学后发生的其他骨科伤害而退出。在当前的研究中，医学博士Maura Cosetti博士将监督和监测试验作为初步DSMB的行为。这将确保参与者的安全以及数据的有效性和完整性。 PI和Kelly博士将持续对Cosetti博士进行频繁报告，对参与者的安全（每次会议上的症状）进行持续监测。调查人员将遵循报告试验的合并标准（CONSORT）2010声明清单和图表，以报告试验结果。

• 头晕慢性
• 眩晕，外围
• 落下

• 行为：平衡训练
  在虚拟环境中进行渐进的平衡培训
  其他名称：

  • 虚拟现实
  • 上下文感官集成培训
  • HTC Vive
• 行为：传统的前庭康复
  渐进的平衡训练和凝视稳定性练习

• 实验：虚拟现实
  通过虚拟现实应用程序场景进行渐进的沉浸式培训：从最显着到患者开始，最终完成所有持续时间：从60秒开始，随着时间的推移增加到3分钟，每个场景复杂性：开始最小，逐渐增加到大多数复杂的任务：站在不同的支持基础（BOS），转弯（以速度，飞机上进展）；步进，每周8周，1次访问，在家中长30分钟：步态和平衡练习，没有闭上眼睛的练习，每周8周，6次，每天两次，10分钟
  干预：行为：平衡培训
• 主动比较器：传统的前庭康复

  渐进步态，目光的稳定性和平衡练习步态：往返行走，范围，速度和头部移动飞机的前进；步行BOS的变化：宽，正常，串联凝视：专注于目标，同时将头向侧面 /向下移动。速度，持续时间，繁忙的背景，站立到步行。

  余额：站立平衡任务，BOS（宽至狭窄到串联）的进展，支撑表面，眼睛闭合，持续时间，转弯。

  8周，每周1次访问，在家中长30分钟：步态，凝视稳定性和平衡练习，包括闭着眼睛的练习，每周8周，6次，每天两次，10分钟长，长10分钟

  干预：行为：传统的前庭康复

纳入标准：

• 成人患者（18岁以上）
• 慢性（3个月及更长）单侧外围前庭功能不全的临床诊断
• 如果有热量测试，将根据阳性头推测试，摇头摇头，自发的眼球震颤和/或运河播种，如果有热量测试，将包括患者。
• 包括的患者必须在VVA上呈现至少两个阳性项目

排除标准：

患者将被排除治疗先前的前庭康复，双侧或不稳定的前庭丧失或其他神经系统疾病，活跃的良性良性阵发性阵发性位置眩晕，急性骨科损伤，周围神经病，听力障碍或视觉障碍，无法用眼镜校正。

• 西奈山的伊坎医学院
• Eunice Kennedy Shriver国家儿童健康与人类发展研究所（NICHD）