Virtual Reality for Vestibular Rehabilitation: A Systematic Review
Notice bibliographique
Résumé
INTRODUCTION: Vertigo is a debilitating symptom, leading to increased healthcare utilization and lost patient productivity. Vestibular rehabilitation is used to manage the symptomatic manifestations of vestibular disease. However, vestibular rehabilitation is limited by accessibility and time commitment. Recently, virtual reality has been described as a vestibular rehabilitation tool that may circumvent these barriers to treatment. Despite this, the efficacy of virtual reality for vestibular rehabilitation remains unclear. This study aims to review and summarize the current literature on the effectiveness of virtual reality-based vestibular rehabilitation. METHODS: A systematic review of the MEDLINE, EMBASE, and Alternative and Complementary Medicine databases was conducted for prospective studies describing virtual reality-based vestibular rehabilitation. RESULTS: Our search identified 382 unique articles. Six randomized controlled trials and four other studies were ultimately included. Study sample sizes ranged from 13 to 70 participants and varied in diagnoses from any unilateral peripheral vertigo to specific pathologies. Different virtual reality interventions were used. Comparator groups ranged from supervised vestibular rehabilitation to independent Cawthorne-Cooksey exercises. Outcomes consisted of validated questionnaires, objective clinical tests, and measurements of balance or reflexes. CONCLUSION: The studies reviewed in this study are preliminary evidence to suggest the benefit of virtual reality-based vestibular rehabilitation. However, these studies are limited by their inclusion criteria, heterogeneity, comparator design, and evidence-based clinical outcomes. Further research should address these limitations.
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 | 0,032 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,007 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».