Immersive virtual reality health games: a narrative review of game design
Notice bibliographique
Résumé
BACKGROUND: High quality head-mounted display based virtual reality (HMD-VR) has become widely available, spurring greater development of HMD-VR health games. As a behavior change approach, these applications use HMD-VR and game-based formats to support long-term engagement with therapeutic interventions. While the bulk of research to date has primarily focused on the therapeutic efficacy of particular HMD-VR health games, how developers and researchers incorporate best-practices in game design to achieve engaging experiences remains underexplored. This paper presents the findings of a narrative review exploring the trends and future directions of game design for HMD-VR health games. METHODS: We searched the literature on the intersection between HMD-VR, games, and health in databases including MEDLINE, Embase, CINAHL, PsycINFO, and Compendex. We identified articles describing HMD-VR games designed specifically as health applications from 2015 onwards in English. HMD-VR health games were charted and tabulated according to technology, health context, outcomes, and user engagement in game design. FINDINGS: We identified 29 HMD-VR health games from 2015 to 2020, with the majority addressing health contexts related to physical exercise, motor rehabilitation, and pain. These games typically involved obstacle-based challenges and extrinsic reward systems to engage clients in interventions related to physical functioning and pain. Less common were games emphasizing narrative experiences and non-physical exercise interventions. However, discourse regarding game design was diverse and often lacked sufficient detail. Game experience was evaluated using primarily ad-hoc questionnaires. User engagement in the development of HMD-VR health games primarily manifested as user studies. CONCLUSION: HMD-VR health games are promising tools for engaging clients in highly immersive experiences designed to address diverse health contexts. However, more in-depth and structured attention to how HMD-VR health games are designed as game experiences is needed. Future development of HMD-VR health games may also benefit from greater involvement of end-users in participatory approaches.
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 | 0,005 | 0,025 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,006 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».