Preference of Virtual Reality Games in Psychological Pressure and Depression Treatment: Discrete Choice Experiment
Notice bibliographique
Résumé
BACKGROUND: Virtual reality (VR) can be used to build many different scenes aimed at reducing study-related stress. However, only few academic experiments on university students for preference testing have been performed. OBJECTIVE: This study aims to assess the preference of VR games for stress and depression treatment using a discrete choice experiment (DCE). METHODS: A total of 5 different attributes were selected based on the depression therapy parameters and attributes related to VR: (1) treatment modality; (2) therapy duration; (3) perceived remission rate; (4) probability of adverse events; and the (5) monthly cost of adding treatment to a discrete choice experiment. By comparing different attributes and levels, we could draw some conclusions about the depression therapy testing preference for university students; 1 university student was responsible for VR scene development and 1 for participant recruitment. RESULTS: The utility value of different attributes for "0% Probability of adverse events" was higher than others (99.22), and the utility value of VR treatment as the most popular treatment method compared with counseling and medicine treatment was 80.95. Three parameter aspects (different treatments for depression) were statistically significant (P<.001), including "0%" and "50%" of "Probability of adverse events" and "¥500" (a currency exchange rate of ¥1 [Chinese yuan]=US $0.15 is applicable) of "The monthly cost of treatment." Most individuals preferred 12 months as the therapy duration, and the odds ratio of "12 months" was 1.095 (95% CI 0.945-1.270) when compared with the reference level (6 months). Meanwhile, the cheapest price (¥500) of depression therapy was the optimum choice for most students. CONCLUSIONS: People placed great preference on VR technology psychological intervention methods, which indicates that VR may have a potential market in the treatment of psychological problems. However, adverse events and treatment costs need to be considered. This study can be used to guide policies that are relevant to the development of the application of VR technology in the field of psychological pressure and depression treatment.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».