Virtual reality and non-invasive brain stimulation for rehabilitation applications: a systematic review
Notice bibliographique
Résumé
The present article reports the results of a systematic review on the potential benefits of the combined use of virtual reality (VR) and non-invasive brain stimulation (NIBS) as a novel approach for rehabilitation. VR and NIBS are two rehabilitation techniques that have been consistently explored by health professionals, and in recent years there is strong evidence of the therapeutic benefits of their combined use. In this work, we reviewed research articles that report the combined use of VR and two common NIBS techniques, namely transcranial direct current stimulation (tDCS) and transcranial magnetic stimulation (TMS). Relevant queries to six major bibliographic databases were performed to retrieve original research articles that reported the use of the combination VR-NIBS for rehabilitation applications. A total of 16 articles were identified and reviewed. The reviewed studies have significant differences in the goals, materials, methods, and outcomes. These differences are likely caused by the lack of guidelines and best practices on how to combine VR and NIBS techniques. Five therapeutic applications were identified: stroke, neuropathic pain, cerebral palsy, phobia and post-traumatic stress disorder, and multiple sclerosis rehabilitation. The majority of the reviewed studies reported positive effects of the use of VR-NIBS. However, further research is still needed to validate existing results on larger sample sizes and across different clinical conditions. For these reasons, in this review recommendations for future studies exploring the combined use of VR and NIBS are presented to facilitate the comparison among works.
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 distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,023 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».