A Single Session of Virtual Reality Improved Tiredness, Shortness of Breath, Anxiety, Depression and Well-Being in Hospitalized Individuals with COVID-19: A Randomized Clinical Trial
Notice bibliographique
Résumé
Background: In 2020, the world was surprised by the spread and mass contamination of the new Coronavirus (COVID-19). COVID-19 produces symptoms ranging from a common cold to severe symptoms that can lead to death. Several strategies have been implemented to improve the well-being of patients during their hospitalization, and virtual reality (VR) has been used. However, whether patients hospitalized for COVID-19 can benefit from this intervention remains unclear. Therefore, this study aimed to investigate whether VR contributes to the control of pain symptoms, the sensation of dyspnea, perception of well-being, anxiety, and depression in patients hospitalized with COVID-19. Methods: A randomized, double-blind clinical trial was designed. Patients underwent a single session of VR and usual care. The experimental group (n = 22) received VR content to promote relaxation, distraction, and stress relief, whereas the control group (n = 22) received non-specific VR content. Results: The experimental group reported a significant decrease in tiredness, shortness of breath, anxiety, and an increase in the feeling of well-being, whereas the control group showed improvement only in the tiredness and anxiety. Conclusions: VR is a resource that may improve the symptoms of tiredness, shortness of breath, anxiety, and depression in patients hospitalized with COVID-19. Future studies should investigate the effect of multiple VR sessions on individuals with COVID-19.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,002 |
| Bibliométrie | 0,001 | 0,000 |
| 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 | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».