MétaCan
Menu
Retour à la cohorte
Enregistrement W4282576365 · doi:10.2196/38509

Virtual Reality as a Therapy Tool for Walking Activities in Pediatric Neurorehabilitation: Usability and User Experience Evaluation

2022· article· en· W4282576365 sur OpenAlexvenueno aff
Corinne Ammann‐Reiffer, Andrina Kläy, Urs Keller

Notice bibliographique

RevueJMIR Serious Games · 2022
Typearticle
Langueen
DomaineComputer Science
ThématiqueVirtual Reality Applications and Impacts
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésUsabilityVirtual realityNeurorehabilitationLikert scalePsychologyRehabilitationOptical head-mounted displayEveryday lifeActivities of daily livingHuman–computer interactionApplied psychologyPhysical medicine and rehabilitationMultimediaMedicineComputer sciencePhysical therapyDevelopmental psychology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Many essential walking activities in daily life, such as crossing a street, are challenging to practice in conventional therapeutic settings. Virtual environments (VEs) delivered through a virtual reality (VR) head-mounted display (HMD) would allow training such activities in a safe and attractive environment. Furthermore, the game-like character and high degree of immersion in these applications might help maintain or increase children's motivation and active participation during the rehabilitation process. OBJECTIVE: This study aimed to investigate the usability, user experience, and acceptability of an immersive VE experienced through a VR HMD to train everyday life walking activities in pediatric neurorehabilitation. METHODS: In a cross-sectional study, 21 youths (median age 12.1 years; range 6.8-17.7 years) with a neuromotor impairment undergoing inpatient or outpatient neurorehabilitation tested a VE experienced through the VR HMD Oculus Quest. The participants, accompanied by their physiotherapists, moved freely around a 4.4 by 10-meter VE, displaying a magical forest and featuring various gamified everyday activities in different game designs. Using their hands, represented in the VE, the participants could interact with the virtual objects placed throughout the VE and trigger visual and auditory feedback. Symptoms of cybersickness were checked, and usability, user experience, and acceptability were evaluated using customized questionnaires with a visual analog scale for youths and a 5-point Likert scale for their therapists. RESULTS: None of the participants reported any signs of cybersickness after 20 minutes of VR HMD exposure time. They rated comfort (median 10/10) and movement ability (median 10/10) with the VR HMD as high. The VE was perceived as being really there by the majority (median 8/10), and the participants had a strong feeling of spatial presence in the VE (median 9.5/10). They enjoyed exploring the virtual world (median 10/10) and liked this new therapy approach (median 10/10). Therapists' acceptance of the VR HMD was high (4/5). There were 5 patients that needed more support than usual, mainly for supervision, when moving around with the VR HMD. Otherwise, therapists felt that the VR HMD hardly affected their patients' movement behavior (median 4.75/5), whereas it seemed to increase their level of therapy engagement (median 4/5) compared to conventional physiotherapy sessions. CONCLUSIONS: This study demonstrates the usability of an immersive VE delivered through a VR HMD to engage youths in the training of everyday walking activities. The participants' and therapists' positive ratings on user experience and acceptance further support the promising application of this technology as a future therapeutic tool in pediatric neurorehabilitation.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,918
Score d'incertitude au seuil0,562

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,032
Tête enseignante GPT0,341
Écart entre enseignants0,308 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations23
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Serious GamesMême sujetVirtual Reality Applications and ImpactsTravaux en français237 207