A Virtual Reality–Supported Intervention for Pulmonary Rehabilitation of Patients With Chronic Obstructive Pulmonary Disease: Mixed Methods Study (Preprint)
Notice bibliographique
Résumé
BACKGROUND The uptake of traditional pulmonary rehabilitation classes by patients with chronic obstructive pulmonary disease (COPD) is poor because of personal factors that prevent accessibility to the venue. Therefore, there is a need for innovative methods of pulmonary rehabilitation, and virtual reality (VR) could be a promising technology for patients with COPD to access services remotely. OBJECTIVE This study aimed to investigate whether VR improves compliance with pulmonary rehabilitation among patients with COPD, a particularly vulnerable patient group (Medical Research Council [MRC] 4 or 5), and whether VR provides a credible alternative to traditional pulmonary rehabilitation programs. METHODS This was an 8-week patient trial using an innovative VR pulmonary rehabilitation program. A purposive sample of 10 patients with COPD graded MRC 4 or 5 and registered at a selected health care center and a hospital in Cumbria, United Kingdom, were included. Qualitative (focus groups and interviews) data were collected, and to further support the qualitative findings, quantitative data (self-report patient surveys) were gathered before and after the 8-week trial. The 5 self-reported surveys included the Patient Activation Measure, Generalized Anxiety Disorder-7, Patient Health Questionnaire-9, Short Physical Performance Battery, and the Edmonton Frail Scale. RESULTS In a thematic analysis of the qualitative data, 11 themes emerged specific to delivering pulmonary rehabilitation using VR. The quantitative data further support the qualitative findings by revealing significant improvements in all physical measures. CONCLUSIONS Overall, this study demonstrates how remotely supervised VR-based pulmonary rehabilitation could help to overcome current issues and limitations associated with providing this service to patients with COPD at scale.
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 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 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) | 0,005 | 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 ».