Facilitators and barriers to using virtual reality and augmented reality and its impact on social engagement in aged care settings: a scoping review protocol
Notice bibliographique
Résumé
INTRODUCTION: Increasingly more studies are being conducted on the use of virtual reality (VR) and augmented reality (AR) in aged care settings. These technologies can decrease experiences of loneliness which is especially important during the COVID-19 pandemic. With the growing interest in using VR/AR in care settings among older adults, a comprehensive review of studies examining the facilitators and barriers of adopting VR/AR in these settings is needed. This scoping review will focus on facilitators and barriers related to VR/AR in care settings among older adults, as well as the impact on social engagement and/or loneliness. METHODS AND ANALYSIS: We will follow the Joanna Briggs Institute scoping review methodology. We will search the following databases: CINHAL, Embase, Medline, PsycINFO, Scopus and Web of Science. Additional articles will be handpicked from reference lists of included articles. Inclusion criteria includes articles that focus on older adults using VR or AR in aged care settings. Our team (which includes patient and family partners, an academic nurse researcher, a clinical lead and trainees) will be involved in the search, review and analysis process. ETHICS AND DISSEMINATION: We will be collecting data from publicly available articles for this scoping review, so ethics approval is not required. By providing a comprehensive overview of the current evidence on the strategies, facilitators, and barriers of using VR/AR in aged care settings, findings will offer insights and recommendations for future research and practice to better implement VR/AR. The results of this scoping review will be shared through conference presentations and an open-access publication in a peer-reviewed journal.
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 | 0,006 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,003 |
| 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 ».