A Serious Game to Improve Emotion Regulation in Treatment-Seeking Individuals With Gambling Disorder: A Usability Study
Notice bibliographique
Résumé
Background: Serious games have shown positive results in increasing motivation, adherence to treatment and strengthening the therapeutic alliance in multiple psychiatric disorders. In particular, patients with impulse control disorders and other disorders in which the patient suffers from inhibitory control deficits (e.g., behavioral addictions) have been shown to benefit from serious games. Aim: The aim of this study was to describe the characteristics and to evaluate the usability of a new serious videogame, e-Estesia. This serious videogame was designed to improve emotion regulation in patients with gambling disorder (GD). Preliminary results from a pilot sample are also reported. Method: A pilot sample of 26 patients undergoing treatment for GD was recruited (ranging from 22 to 74 years, mean = 41.2 and SD = 12.9; 80.8% men). Participants used e-Estesia on a tablet, which was connected to a thoracic band that sent heart rate (HR) and heart rate variability (HRV) data to the videogame platform in order to provide biofeedback. The System Usability Scale was completed by patients to determine the usability of e-Estesia. Results and Discussion: e-Estesia performed comparatively well for all the explored groups (i.e., sex, age, and online vs. offline gambling: mean usability score = 83.8, SD = 13.1). Around 84.6% of the patients endorsed that it was easy to use. Female patients with GD presented higher HRV during the use of the serious videogame compared to men.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| 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) | 0,002 | 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 ».