USING VIRTUAL REALITY IN AGED CARE SETTINGS: A SCOPING REVIEW
Notice bibliographique
Résumé
Abstract Recent advancement of virtual reality (VR) technology has led to growing interest in using VR in aged-care settings. VR can help ameliorate experiences of loneliness and social isolation, which is especially important during the COVID-19 pandemic. As a result, increasingly more studies are being published on this topic, and a comprehensive review of studies examining the facilitators and barriers of adopting VR in these settings is needed. This scoping review reports the facilitators and barriers to implementing VR in care settings among older adults, as well as the impact on social engagement and/or loneliness. We followed the Joanna Briggs Institute scoping review methodology, and searched the following databases: CINHAL, Embase, Medline, PsycInfo, Scopus, and Web of Science. Inclusion criteria includes articles published in the last five years that focus on older adults using VR in aged-care settings. 199 articles were retrieved and 21 articles were included in our review. Most of the articles (38%) originated from Australia. Key facilitators for using VR in aged care settings are the technology being user-friendly, comfortable, and easy to clean. Barriers included: technology issues (e.g., internet connectivity), staff attitude/ worries, and impact on residents, and structural considerations (e.g., lack of staff and time to assist with the VR program). VR technology can decrease loneliness and feelings of isolation, and provide opportunities to engage with others. Our review of the current evidence offers insights and recommendations for health care professionals to use VR technology in aged care settings, maximizing benefits and minimizing risks among users.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,010 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».