Design and Evaluation of Using Head-Mounted Virtual Reality for Learning Clinical Procedures: Mixed Methods Study
Notice bibliographique
Résumé
BACKGROUND: The capacity of health care professionals to perform clinical procedures safely and competently is crucial as it will directly impact patients' outcomes. Given the ability of head-mounted virtual reality to simulate the authentic clinical environment, this platform should be suitable for nurses to refine their clinical skills for knowledge and skills acquisition. However, research on head-mounted virtual reality in learning clinical procedures is limited. OBJECTIVE: The objectives of this study were (1) to describe the design of a head-mounted virtual reality system and evaluate it for education on clinical procedures for nursing students and (2) to explore the experience of nursing students using head-mounted virtual reality for learning clinical procedures and the usability of the system. METHODS: This usability study used a mixed method approach. The stages included developing 3D models of the necessary instruments and materials used in intravenous therapy and subcutaneous injection procedures performed by nurses, followed by developing the procedures using the Unreal Engine (Epic Games). Questionnaires on the perception of continuance intention and the System Usability Scale were used along with open-ended questions. RESULTS: Twenty-nine nursing students took part in this questionnaire study after experiencing the immersive virtual reality (IVR) intervention. Participants reported largely favorable game perception and learning experience. Mean perception scores ranged from 3.21 to 4.38 of a maximum score of 5, while the mean system usability score was 53.53 of 100. The majority found that the IVR experience was engaging, and they were immersed in the game. The challenges encountered included unfamiliarity with the new learning format; technological constraints, such as using hand controllers; and physical discomfort. CONCLUSIONS: The conception of IVR for learning clinical procedures through deliberate practice to enhance nurses' knowledge and skills is promising. However, refinement of the prototypes is required to improve user experience and learning. Future research can explore other ways to use IVR for better education and health care purposes.
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 | 0,036 | 0,028 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».