MétaCan
Menu
Retour à la cohorte
Enregistrement W3000647430 · doi:10.3389/fmed.2019.00329

Older Adults With Cognitive and/or Physical Impairments Can Benefit From Immersive Virtual Reality Experiences: A Feasibility Study

2020· article· en· W3000647430 sur OpenAlexafffundabout
Lora Appel, E Appel, Orly Bogler, Micaela Wiseman, Leedan Cohen, Natalie Ein, Howard Abrams, Jennifer L. Campos

Notice bibliographique

RevueFrontiers in Medicine · 2020
Typearticle
Langueen
DomaineComputer Science
ThématiqueVirtual Reality Applications and Impacts
Établissements canadiensToronto Rehabilitation InstituteUniversity of TorontoYork UniversityToronto Metropolitan UniversityUniversity Health Network
Organismes subventionnairesUniversity Health Network
Mots-clésLonelinessVirtual realityAnxietyCognitionApathyPsychologyAffect (linguistics)MedicineClinical psychologyPhysical medicine and rehabilitationPsychiatryComputer scienceHuman–computer interaction

Résumé

récupéré en direct d'OpenAlex

Background: Older adults living in long term care and rehabilitation hospitals often experience reduced mobility, sometimes resulting in confinement indoors and isolation, which can introduce or aggravate symptoms of depression, anxiety, loneliness, and apathy. As Virtual Reality (VR) becomes increasingly accessible and affordable, there is a unique opportunity to enable older adults to escape their restricted physical realities and be transported to stimulating and calming places which may improve their general wellbeing. To date no robust evaluations of immersive VR-therapy (experienced through a head-mounted-display (HMD)) for older adults within these settings have been reported. VR-therapy may prove to be a safe, inexpensive, non-pharmacological means of managing depressive symptoms and providing engagement and enjoyment to this rapidly growing demographic. Objectives: Establish the feasibility of immersive VR-therapy for older adults with reduced sensory, mobility and/or impaired cognition. This includes evaluation of tolerability, comfort, and ease of use of the HMD, and of the potential for immersive VR to provide enjoyment/relaxation and reduce anxiety and depressive symptoms. Methods: Sixty-six older adults (mean age 80.5) with varying cognitive abilities (normal=28, mild impairment=17, moderate impairment=12, severe impairment=3, unknown=6), and/or physical impairments, entered a multi-site non-randomized interventional study in Toronto, Canada. Participants experienced 3 to 20 minutes of 360°-video footage of nature scenes displayed on Samsung-GearVR-HMD. Data was collected through pre/post-intervention surveys, standardized observations during intervention, and post-intervention semi-structured interviews addressing the VR experience. Results: All participants completed the study with no negative side-effects (e.g. no dizziness, disorientation, interference with hearing aids); the average time spent in VR was eight minutes and 76% of participants viewed the entire experience at least once. Participants tolerated the HMD very well; most had positive feedback, feeling more relaxed and adventurous; 76% wanted to try VR again. Better image quality and increased narrative video content were suggested to improve the experience. Conclusion: It is feasible and safe to expose older adults with cognitive and physical impairments to immersive VR within these settings. Further research should evaluate the potential benefits of VR in different settings (e.g. home/community based) and explore better customization/optimization of the content and equipment for the targeted populations.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,018

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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.

Tête enseignante Opus0,029
Tête enseignante GPT0,303
Écart entre enseignants0,274 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations331
Publié2020
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueFrontiers in MedicineMême sujetVirtual Reality Applications and ImpactsTravaux en français237 207