Virtual reality for pain reduction during intravenous injection in pediatrics: a systematic review and meta-analysis of controlled clinical trials
Notice bibliographique
Résumé
BACKGROUND: Intravenous (IV) injections often cause pain, fear, and anxiety in pediatric patients. Virtual reality (VR) is a relatively new intervention that can be used to provide a distraction during or prepare patients for IV injections. PURPOSE: To date, no meta-analysis has examined the evidence regarding the effectiveness of VR at reducing pain in pediatric IV injections. METHODS: The PubMed, Web of Science, Scopus, and Cochrane Central Register of Controlled Trials databases were searched for articles published through August 7, 2022. The methodological quality of the studies was measured using the Delphi checklist. The chi-square test and the I2 statistic were used to assess heterogeneity across studies. A summary measure of the mean difference in pain scores between the VR and control groups was obtained using a random effects model. All statistical analyses were set at a significance level of 0.05 using Stata 14. RESULTS: Nine studies were included in this meta-analysis of VR interventions used during IV injections in pediatric patients. The difference in mean pain score between the intervention and control groups showed significant reductions in the VR group (mean difference, 0.47; 95% confidence interval, 0.3-0.65; I2=9.1%). No interstudy heterogeneity was observed. CONCLUSION: Our results suggest that VR effectively reduces pain associated with IV injections in pediatric patients. No interstudy heterogeneity was noted among the analyzed studies. The Delphi checklist was used to assess methodological quality.
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 | 0,066 | 0,038 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,027 | 0,007 |
| Bibliométrie | 0,002 | 0,002 |
| 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 | 0,001 | 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 ».