Immersive Virtual Reality in Health Care: Systematic Review of Technology and Disease States
Notice bibliographique
Résumé
Background Immersive virtual reality (IVR) presents new possibilities for application in health care. Health care professionals can now immerse their patients in environments to achieve exposure to a specific scene or experience, evoke targeted emotional responses, inspire, or distract from an experience occurring in reality. Objective This review aimed to identify patient-focused applications for head-mounted IVR for acute treatment of health conditions and determine the technical specifications of the systems used. Methods A systematic review was conducted by searching medical and engineering peer-reviewed literature databases in 2018. The databases included PubMed, EMBASE, Cumulative Index to Nursing and Allied Health Literature, Association for Computing Machinery, Institute of Electrical and Electronics Engineers, Scopus, and Web of Science. Search terms relating to health and IVR were used. To be included, studies had to investigate the effectiveness of IVR for acute treatment of a specific health condition. IVR was defined as a head-mounted platform that provides virtual and auditory immersion for the participant and includes a minimum of 3 degrees of orientation tracking. Once identified, data were extracted from articles and aggregated in a narrative review format. Results A total of 58 studies were conducted in 19 countries. The studies reported IVR use for 5 main clinical areas: neurological and development (n=10), pain reduction through distraction (n=20), exposure therapy for phobias (n=9), psychological applications (n=14), and others (n=5). Studies were primarily feasibility studies exploring systems and general user acceptance (n=29) and efficacy studies testing clinical effect (n=28). Conclusions IVR has a promising future in health care, both in research and commercial realms. As many of the studies examined are still exploring the feasibility of IVR for acute treatment of health conditions, evidence for the effectiveness of IVR is still developing.
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 | 0,008 | 0,048 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,006 | 0,006 |
| Bibliométrie | 0,013 | 0,015 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 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 ».