Virtual and Augmented Reality in Management of Phantom Limb Pain: A Systematic Review
Notice bibliographique
Résumé
Upper and lower limb amputations are frequently associated with phantom limb pain (PLP). Recently, virtual reality (VR) and augmented reality (AR) have been reported as a potential therapy of PLP. We have conducted a systematic review of literature to evaluate the efficacy of VR and AR in managing PLP. Four databases were searched: PubMed, EMBASE, Cumulative Index to Nursing and Allied Health Literature, and Web of Science. We utilized the Preferred Reporting Items for Systematic Reviews and Meta-Analysis for our organization. The initial search resulted in 164 results. After title, abstract, and full-text screening, 9 studies were included. One study was of good quality and 8 studies were of fair to poor quality. Seven studies utilized VR and 2 studies utilized AR. The number of treatment sessions ranged from 1 to 28 and the duration ranged from 10 minutes to 2 hours. Several pain scales were used to evaluate PLP pre- and postintervention including Numeric Rating Scale, Pain Rating Index, McGill Pain Questionnaire, and Visual Analog Scale. All the studies reported improvement of PLP on one or more of pain scales after one or more sessions of VR or AR. Despite the promising results reported by literature, we cannot recommend using VR or AR for PLP. Most of the studies are of poor design and have limited sample size with high bias levels. Therefore, no substantial evidence can be derived from them. However, we do believe further research with high-quality randomized controlled trials should take place to increase the knowledge of the potential advantages.
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 | 0,006 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,007 | 0,007 |
| Bibliométrie | 0,007 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».