Developing Home-Based Virtual Reality Therapy Interventions
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
OBJECTIVE: Stroke is one of the leading causes of serious long-term disability. However, home exercise programs given at rehabilitation often lack in motivational aspects. The purposes of this pilot study were (1) create individualized virtual reality (VR) games and (2) determine the effectiveness of VR games for improving movement in upper extremities in a 6-week home therapy intervention for persons with stroke. SUBJECTS AND METHODS: Participants were two individuals with upper extremity hemiparesis following a stroke. VR games were created using the Looking Glass programming language and modified based on personal interests, goals, and abilities. Participants were asked to play 1 hour each day for 6 weeks. Assessments measured upper extremity movement (range of motion and Action Research Arm Test [ARAT]) and performance in functional skills (Canadian Occupational Performance Measure [COPM] and Motor Activity Log [MAL]). RESULTS: Three VR games were created by a supervised occupational therapist student. The participants played approximately four to six times a week and performed over 100 repetitions of movements each day. Participants showed improvement in upper extremity movement and participation in functional tasks based on results from the COPM, ARAT, and MAL. CONCLUSIONS: Further development in the programming environment is needed to be plausible in a rehabilitation setting. Suggestions include graded-level support and continuation of creating a natural programming language, which will increase the ability to use the program in a rehabilitation setting. However, the VR games were shown to be effective as a home therapy intervention for persons with stroke. VR has the potential to advance therapy services by creating a more motivating home-based therapy service.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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 découle