A Virtual Reality–Based App to Educate Health Care Professionals and Medical Students About Inflammatory Arthritis: Feasibility Study
Notice bibliographique
Résumé
Background Inflammatory arthritides (IA) such as rheumatoid arthritis or psoriatic arthritis are disorders that can be difficult to comprehend for health professionals and students in terms of the heterogeneity of clinical symptoms and pathologies. New didactic approaches using innovative technologies such as virtual reality (VR) apps could be helpful to demonstrate disease manifestations as well as joint pathologies in a more comprehensive manner. However, the potential of using a VR education concept in IA has not yet been evaluated. Objective We evaluated the feasibility of a VR app to educate health care professionals and medical students about IA. Methods We developed a VR app using data from IA patients as well as 2D and 3D-visualized pathological joints from X-ray and computed tomography–generated images. This VR app (Rheumality) allows the user to interact with representative arthritic joint and bone pathologies of patients with IA. In a consensus meeting, an online questionnaire was designed to collect basic demographic data (age, sex); profession of the participants; and their feedback on the general impression, knowledge gain, and potential areas of application of the VR app. The VR app was subsequently tested and evaluated by health care professionals (physicians, researchers, and other professionals) and medical students at predefined events (two annual rheumatology conferences and academic teaching seminars at two sites in Germany). To explore associations between categorical variables, the χ2 or Fisher test was used as appropriate. Two-sided P values ≤.05 were regarded as significant. Results A total of 125 individuals participated in this study. Among them, 56% of the participants identified as female, 43% identified as male, and 1% identified as nonbinary; 59% of the participants were 18-30 years of age, 18% were 31-40 years old, 10% were 41-50 years old, 8% were 51-60 years old, and 5% were 61-70 years old. The participants (N=125) rated the VR app as excellent, with a mean rating of 9.0 (SD 1.2) out of 10, and many participants would recommend use of the app, with a mean recommendation score of 3.2 (SD 1.1) out of 4. A large majority (120/125, 96.0%) stated that the presentation of pathological bone formation improves understanding of the disease. We did not find any association between participant characteristics and evaluation of the VR experience or recommendation scores. Conclusions The data show that IA-targeting innovative teaching approaches based on VR technology are feasible.
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 | 0,008 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 ».