The Use of Virtual Reality in the Rehabilitation of Chronic Nonspecific Neck Pain
Notice bibliographique
Résumé
OBJECTIVES: There has been a major interest in using virtual reality (VR) as a pain-management tool. This systematic review evaluated the literature on the use of VR in the treatment of chronic nonspecific neck pain (CNNP). METHODS: Electronic database searches were conducted in Cochrane, Medline, PubMed, Web of Science, Embase, and Scopus between inception and November 22, 2022. Search terms used were synonyms of "chronic neck pain" and "virtual reality." Inclusion criteria were as follows: chronic neck pain patients or pain lasting longer than 3 months; nonspecific neck pain; adult population; VR intervention; and functional and/or psychological outcomes. Study characteristics, quality, participant demographics, and results were independently extracted by 2 reviewers. RESULTS: VR interventions demonstrated significant improvement in patients experiencing CNNP. Scores in the visual analogue scale, the Neck Disability Index, and range of motion were significantly improved compared with baseline but not better than gold standard kinematic treatments. DISCUSSION: Our results suggest that VR is a promising tool for chronic pain management; however, there is a lack of VR intervention design consistency, objective outcome measures, follow-up reporting, and large sample sizes. Future research should focus on designing VR interventions to serve specific, individualized movement goals as well as combining quantifiable outcomes with existing self-report measures.
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 | 0,053 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».