MétaCan
Menu
Retour à la cohorte
Enregistrement W2907674026 · doi:10.1177/1046878118820905

Virtual Reality Simulation Technology for Cardiopulmonary Resuscitation Training: An Innovative Hybrid System With Haptic Feedback

2019· article· en· W2907674026 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueSimulation & Gaming · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueCardiac Arrest and Resuscitation
Établissements canadiensSimon Fraser UniversityMcMaster UniversityUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésVirtual realityHaptic technologyComputer scienceCardiopulmonary resuscitationVirtual trainingTraining systemSimulationHuman–computer interactionMedicineResuscitation

Résumé

récupéré en direct d'OpenAlex

Objective. Although cardiopulmonary resuscitation (CPR) skills are lifesaving skills, the gap between awareness and actual training remains significant. Advances in technology are shaping the future of education and innovative learning solutions are essential to facilitate effective and accessible training. This project objective is to develop a self-directed educational system for hands-on CPR training using virtual reality (VR) technology. Methods. HTC VIVE was the chosen VR engine, and Unity3D was the software used for development. CPR skills including chest compressions, rescue breathing, and automated external defibrillator (AED) are taught in VR through focused instructions, demonstrations, and simulated interactive scenarios with hands-on training sessions. A tracking system was designed using virtual planes and VIVE-Tracker for accurate measurements of chest compressions (rate, depth, and recoil), hands’ position and AED. A real mannequin was integrated in the VR space and overlaid with virtual 3D-human model for realistic haptic feedback and hands-on training. VIVE-controller was used for precise calibration between the mannequin location in real environment and the virtual human model in VR space. Results. The VR-CPR prototype was designed to be generic, approachable, and easy to follow. Realism and interaction were achieved through 3D virtual scenes simulating common sites at which cardiac arrest may occur. Variety in scenarios and gamification features like scoring and difficulty levels of training were made to enhance users’ engagement. The VR-mannequin hybrid system enabled quality training and immersive learning experience. Further, real-time feedback and scoring system are built for self-directed learning and optimal performance. Conclusions. The developed VR-hybrid product is a structured educational tool for hands-on CPR training and ongoing practice. This innovative technology provides self-directed learning with no restrictions of time, place, or personnel, which are the main challenges with current traditional courses. This product is a promising CPR training initiative in the evolution of digital education.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,191
Score d'incertitude au seuil0,818

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,032
Tête enseignante GPT0,311
Écart entre enseignants0,279 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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