MétaCan
Menu
Retour à la cohorte
Enregistrement W3048741008 · doi:10.2196/20667

Feasibility of a Commercially Available Virtual Reality System to Achieve Exercise Guidelines in Youth With Spina Bifida: Mixed Methods Case Study

2020· article· en· W3048741008 sur OpenAlexvenueaboutno aff
Byron Lai, Drew Davis, Mai Narasaki‐Jara, Betsy Hopson, Danielle Powell, Marissa A. Gowey, Brandon G. Rocque, James H. Rimmer

Notice bibliographique

RevueJMIR Serious Games · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueSpinal Dysraphism and Malformations
Établissements canadiensnon disponible
Organismes subventionnairesNational Institute of Diabetes and Digestive and Kidney Diseases
Mots-clésPhysical therapyMedicineSpina bifidaVirtual realityPsychologyPhysical medicine and rehabilitationComputer sciencePediatrics

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Access to physical activity among youth with spina bifida (SB) is much lower than it is for children without disability. Enjoyable home-based exercise programs are greatly needed. OBJECTIVE: Our objective is to examine the feasibility of a virtual reality (VR) active video gaming system (ie, bundle of consumer-available equipment) to meet US physical activity guidelines in two youth with SB. METHODS: Two youth with SB-a 12-year-old female and a 13-year-old male; both full-time wheelchair users-participated in a brief, 4-week exercise program using a popular VR head-mounted display: Oculus Quest (Facebook Technologies). The system included a Polar H10 (Polar Canada) Bluetooth heart rate monitor, a no-cost mobile phone app (VR Health Exercise Tracker [Virtual Reality Institute of Health and Exercise]), and 13 games. The intervention protocol was conducted entirely in the homes of the participants due to the coronavirus disease 2019 (COVID-19) pandemic. The VR system was shipped to participants and they were instructed to do their best to complete 60 minutes of moderate-intensity VR exercise per day. Exercise duration, intensity, and calories expended were objectively monitored and recorded during exercise using the heart rate monitor and a mobile app. Fatigue and depression were measured via self-report questionnaires at pre- and postintervention. Participants underwent a semistructured interview with research staff at postintervention. RESULTS: Across the intervention period, the total average minutes of all exercise performed each week for participants 1 and 2 were 281 (SD 93) and 262 (SD 55) minutes, respectively. The total average minutes of moderate-intensity exercise performed per week for participants 1 and 2 were 184 (SD 103) (184/281, 65.4%) and 215 (SD 90) (215/262, 82.1%) minutes, respectively. One participant had a reduction in their depression score, using the Quality of Life in Neurological Disorders (Neuro-QoL) test, from baseline to postintervention, but no other changes were observed for fatigue and depression scores. Participants reported that the amount of exercise they completed was far higher than what was objectively recorded, due to usability issues with the chest-worn heart rate monitor. Participants noted that they were motivated to exercise due to the enjoyment of the games and VR headset as well as support from a caregiver. CONCLUSIONS: This study demonstrated that two youth with SB who used wheelchairs could use a VR system to independently and safely achieve exercise guidelines at home. Study findings identified a promising protocol for promoting exercise in this population and this warrants further examination in future studies with larger samples.

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)0,007
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Étude de cas · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,035

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,009
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0030,001
Communication savante0,0020,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,105
Tête enseignante GPT0,404
Écart entre enseignants0,299 · 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'étudeÉtude de cas
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

Citations45
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJMIR Serious GamesMême sujetSpinal Dysraphism and MalformationsTravaux en français237 207