Applications of Extended Reality (XR) in obtaining informed consent: A narrative review
Notice bibliographique
Résumé
Informed consent in healthcare requires patients to have a sufficient understanding of their upcoming procedure before deciding to proceed. Unfortunately, education prior to a surgical procedure is constrained by barriers including poor health literacy, language barriers, one-sided dialogue during consultations, anxiety, and knowledge retention. Extended reality (XR), which includes virtual reality (VR), augmented reality (AR), and mixed reality (MR) has the potential to improve informed consent processes by creating an immersive, interactive, and multimodal sensory experience that supports patient education. The purpose of the study was to review the extant literature on the effectiveness of XR technology in improving patient education, a vital component of informed consent. We screened fifty-two articles and ten relevant papers from PubMed, Scopus, and Compendex, which were included in the review based on our eligibility criteria. We found that VR and AR proved effective in enhancing patient education in eight studies, and thus improving informed consent processes. MR was not utilized in the studies reviewed. The studies were conducted in several countries and positives findings were reported from a broad range of clinical settings and procedures. Though further investigation is needed, this is a promising finding that may encourage health systems to implement similar interventions prior to procedures. The review also provided an overview of the existing XR technology utilized for patient education such as a downloadable mobile application with a virtual chatbot character, and an environment designed to simulate the MRI patient’s perspective. These applications provide immersive and interactive experiences when paired with a head mounted headset such as Google VR Cardboard. The findings also revealed that XR tools are customizable and can be tailored to specific surgical procedures, which makes the potential of implementation applicable to a broader range of settings.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 ».