End-user involvement in rehabilitation virtual reality implementation research
Notice bibliographique
Résumé
PURPOSE: Despite increasing evidence for the effectiveness of off-the-shelf and rehabilitation-specific active video games (AVGs) and virtual reality (VR) systems for rehabilitation, clinical uptake remains poor. A better match between VR/AVG system capabilities and client/therapist needs, through improved end-user involvement (UI) in VR/AVG implementation research, may increase uptake of this technology. The purpose of this paper is to review four case examples from the authors' collective experience of including end users in VR/AVG research to identify common benefits, challenges and lessons learned. DESIGN/METHODOLOGY/APPROACH: The authors apply knowledge and lessons learned from the four cases to make recommendations for subsequent user-engaged research design and methods, including evaluation of the impact of end UI. FINDINGS: A better match between VR/AVG system capabilities and client/therapist needs leads to improved end UI in all stages of VR/AVG implementation research. There are common benefits of increasing buy-in and soliciting early on the knowledge and skills of therapists as well as input from the ultimate end users: people participating in rehabilitation. Most settings have the challenges of balancing the technology requirements with the needs and goals of the practice setting and of the end users. RESEARCH LIMITATIONS/IMPLICATIONS: Increasing end UI in VR/AVG implementation research may address issues related to poor clinical uptake. In the VR/AVG context, end users can be therapists, clients or technology developers/engineers. This paper presented four case scenarios describing the implementation of different VR/AVG systems and involving a variety of populations, end users and settings. ORIGINALITY/VALUE: The set of recommendations for subsequent user-engaged research design and methods span the process of development, research and implementation. The authors hope that these recommendations will foster collaborations across disciplines, encourage researchers and therapists to adopt VR/AVGs more readily, and lead to efficacious and effective treatment approaches for rehabilitation clients.
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 | 0,132 | 0,167 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,004 | 0,007 |
| Communication savante | 0,011 | 0,008 |
| Science ouverte | 0,005 | 0,013 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,002 |
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 ».