MétaCan
Menu
Retour à la cohorte
Enregistrement W3131043530 · doi:10.1093/ptj/pzab071

A Randomized, Controlled, Crossover Trial of Virtual Reality in Maintenance Cardiovascular Rehabilitation in a Low-Resource Setting: Impact on Adherence, Motivation, and Engagement

2021· article· en· W3131043530 sur OpenAlexaff
Mayara Moura Alves da Cruz, Ana Laura Ricci‐Vitor, Giovanna Lombardi Bonini Borges, Paula Fernanda da Silva, Natália Turri da Silva, Carolina Takahashi, Sherry L. Grace, Luiz Carlos Marques Vanderlei

Notice bibliographique

RevuePhysical Therapy · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueCardiac Health and Mental Health
Établissements canadiensCanadian Physiotherapy AssociationYork University
Organismes subventionnairesFundação de Amparo à Pesquisa do Estado de São Paulo
Mots-clésCrossover studyRehabilitationRandomized controlled trialVirtual realityCrossoverResource (disambiguation)PsychologyPhysical therapyMedicinePhysical medicine and rehabilitationComputer scienceAlternative medicineHuman–computer interactionInternal medicine

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: The purpose of this study was to investigate the effects of adding virtual reality (VR) to maintenance cardiac rehabilitation (CR); it was hypothesized VR would increase adherence, motivation, and engagement. METHODS: This study was a randomized, 1:1 concealed-allocation, single-blinded, 2 parallel-arm, crossover trial. Blinded assessments were undertaken at baseline (midprogram), 12 weeks, and 24 weeks after baseline. The setting was a single CR program of unlimited duration in Brazil. Participants were patients with cardiovascular diseases or risk factors who had been in the program for 3 months or longer. The CR program consisted of 3 supervised exercise sessions per week. In the VR arm, participants had 1 VR session of the 3 per week during the initial 12 weeks of the trial; this was withdrawn the subsequent 12 weeks. Measures were program adherence (% of 3 sessions/week over 12 weeks, ascertained in all participants), motivation (Behavioral Regulation in Exercise Questionnaire 3), and engagement (User Engagement Scale, adapted; vigor, dedication, and absorption subscales); all 3 were primary outcomes. RESULTS: Sixty-one (83.6%) patients were randomly assigned (n = 30 to CR + VR); 54 (88.5%) were retained at 12 and 24 weeks. At baseline, participants had been in CR on average 7 years and had high engagement and motivation. CR + VR resulted in a significant increase in adherence at 12 weeks (baseline = 72.87%; 12 weeks = 82.80%), with significant reductions at 24 weeks when VR was withdrawn (65.48%); in the usual CR care arm, there were no changes over time. There was a significant effect for arm, with significantly higher adherence in the CR + VR arm than usual CR at 12 weeks (73.51%). Motivation decreased significantly from baseline to 12 weeks (4.32 [SD = 0.37] vs 4.02 [SD = 0.76]) and significantly increased from 12 to 24 weeks in the CR + VR arm (4.37 [SD = 0.36]). Absorption was significantly lower at 12 weeks in the CR + VR arm (6.79 [SD = 0.37] vs 6.20 [SD = 1.01]). CONCLUSION: Although VR increased program adherence, interspersing it with usual CR sessions actually decreased patient motivation and absorption. IMPACT: Supplementing a maintenance CR program with VR using "exergames" resulted in significantly greater adherence (8% increase or 3 of 36 sessions), and this was quite a robust effect given it was extinguished with the removal of VR. However, contrary to the hypotheses, offering 1 session of VR per week and 2 of usual CR exercise was related to lower motivation and absorption, which has implications for how clinicians design programs for this patient population.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Essai randomisé · Signal consensuel: Essai randomisé
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,025
Score d'incertitude au seuil0,420

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,025
Tête enseignante GPT0,354
Écart entre enseignants0,329 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeEssai randomisé
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

Citations47
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePhysical TherapyMême sujetCardiac Health and Mental HealthTravaux en français237 207