The GestureTek virtual reality system in rehabilitation: a scoping review
Notice bibliographique
Résumé
PURPOSE: To identify, to map out and to appraise research examining GestureTek virtual reality (VR) use for physical and cognitive rehabilitation and to highlight areas for future research. METHOD: Scoping review methodology was used to systematically and comprehensively search the academic and grey literature for GestureTek-specific research. Consensus was achieved following two reviewers' independent inclusion screening, data extraction and appraisal. RESULTS: Forty-four studies evaluated the utility and efficacy of the IREX, GX, VMall and Meal Maker software for rehabilitation across a range of populations, with few adverse events reported. Stroke and cerebral palsy research dominated, while geriatrics was largely overlooked. Efficacy research provided support for balance, mobility, upper extremity, cognitive, fitness and daily living skills outcomes for specific populations with effect sizes ranging from 0.19 to 3.34. Nevertheless, few strong quality or high-level studies are available, and no clear guidelines on optimal treatment characteristics exist. Outcomes of primary interest were at ICF body function and activity levels; evaluation of transfer of training across ICF levels is needed. CONCLUSIONS: This literature provides preliminary evidence for the technology's efficacy for rehabilitation. Identified research gaps relate to study quality and design, treatment characteristics, populations and outcomes of interest, including transfer across ICF levels. IMPLICATIONS FOR REHABILITATION: There is limited high-level evidence to support the use of the GestureTek virtual reality system for rehabilitation. Moderate to strong quality evidence exists primarily for the stroke and cerebral palsy populations, and primarily for balance, mobility and upper extremity outcomes. A lack of consistent outcome measures in this body of literature has created "silos" of research that cannot be quantitatively combined using a meta-analytic strategy.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,025 | 0,077 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,006 | 0,006 |
| Bibliométrie | 0,025 | 0,023 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,006 | 0,005 |
| Science ouverte | 0,003 | 0,004 |
| Intégrité de la recherche | 0,005 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».