Virtual Reality Therapy in Palliative Care: A Case Series
Notice bibliographique
Résumé
Objectives Virtual reality (VR) opens a variety of therapeutic options to improve symptom burden in patients with advanced disease. Until to date, only few studies have evaluated the use of VR therapy in the context of palliative care. This case series aims to evaluate the feasibility and acceptability of VR therapy in a population of palliative care patients. Methods In this single-site case series, we report on six palliative care patients undergoing VR therapy. The VR therapy consisted of a one-time session ranging between 20 to 60 minutes depending on the patient's needs and the content chosen for the VR sessions. A semi-structured survey was conducted and the Edmonton Symptom Assessment System (ESAS) and the Distress Thermometer were performed pre- and post-intervention. Results Overall, VR therapy was well accepted by all patients. Five out of six patients reported having appreciated VR therapy. There were individual differences of perceived effects using VR therapy. The semi-structured survey revealed that some patients felt a temporary detachment from their body and that patients were able to experience the VR session as a break from omnipresent worries and the hospital environment (“I completely forgot where I am”). There was a considerable reduction in the total ESAS score post-treatment (T0 ESAS Tot = 27.2; T1 ESAS Tot = 18.8) and a slightly reduction in distress (T0 DT Tot = 4.4; T1 DT Tot = 3.8). However, two patients were more tired after the intervention. Significance of Results: Our preliminary results demonstrate that VR therapy is acceptable, feasible and safe for use within a palliative care population and appears to be a viable treatment option. Clinical trials are both warranted and necessary to confirm any therapeutic effects of VR therapy, as is the need to tailor VR systems better for use in palliative care settings.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 |
| 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 ».