La réalité virtuelle comme antidouleur : une revue systématique de la littérature
Notice bibliographique
Résumé
Chaque année, la douleur touche de plus en plus de patients les marquant ainsi dans leur vie personnelle, mais également professionnelle. Le traitement de la douleur demeure complexe, l’utilisation de la pharmacologie traditionnelle n’est pas sans risque de surdosage et d’accoutumance. Depuis plus de 20 ans, les acteurs de la santé et l’Union européenne collaborent afin de développer ce que l’on nomme aujourd’hui les thérapies numériques ( digital therapeutics — DTx). Véritable enjeu pour notre système de santé actuel, ces thérapies innovantes peuvent être utilisées seules ou combinées à un médicament, un dispositif médical ou une thérapie, afin de maximiser les effets du traitement. Cet article propose une revue non exhaustive de l’utilisation de la réalité virtuelle, son origine et son fonctionnement. Des résultats significatifs ont été obtenus sur son action analgésique et de distraction à court terme, sur divers événements physiologiques comme les brûlures, la chirurgie cardiaque, le stress, les douleurs musculosquelettiques et neuropathiques. Toutefois, ce champ d’études reste vaste et nécessite des explorations (études) complémentaires sur les douleurs chroniques et aiguës, et l’interaction personne–machine.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».