Effects of virtual reality cognitive training in individuals with mild cognitive impairment: A systematic review and meta‐analysis
Notice bibliographique
Résumé
BACKGROUND: Virtual reality (VR) is used to improve specific health needs by combining multiple technologies; it is increasingly being used in the medical field, showing satisfactory effects, especially in the management of chronic disease. The aim of this study was to assess the effects of VR cognitive training for individuals with mild cognitive impairment (MCI). METHODS: Peer-reviewed articles were searched from the PubMed, Embase, Web of Science, the Cochrane Library, Science Direct, and EBSCOhost databases, as well as CNKI, Sinomed, Vip. and Wan Fang, through 23 May 2021. We only included randomized controlled trials (RCTs) enrolling participants with MCI. RESULTS: Seventeen RCTs were included, with a total of 744 participants. Evidence of moderate quality showed that VR cognitive training significantly enhanced MCI patients' global cognitive function, as measured by the Montreal Cognitive Assessment (standardized mean difference [SMD] = 0.42; 95% confidence interval [CI], 0.04-0.79; p = 0.03) and executive function, as measured by trail making test A (SMD = -0.58; 95% CI, -0.80 to -0.35; p < 0.001). The meta-analysis indicated that the effects of VR cognitive training on delayed memory, immediate memory, attention and instrumental activities of daily living were not statistically significant (p > 0.05). CONCLUSION: The available data showed that VR cognitive training might be beneficial for improving global cognitive function and executive function in individuals with MCI, although the effects were short term.
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 | 0,007 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,013 | 0,024 |
| Bibliométrie | 0,004 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».