The Use of Virtual Reality Interventions to Promote Positive Mental Health: Systematic Literature Review
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: A large body of research has documented the efficacy of psychological interventions integrated with virtual reality (VR) therapies in treating psychiatric disorders. However, the concept of positive mental health calls for a 2-fold approach in which both symptoms and positive functioning should be addressed by modern interventions. OBJECTIVE: This review aimed to summarize studies that applied VR therapies by embracing the positive mental health perspective. METHODS: A literature search was conducted by entering the following keywords-"virtual reality" AND "intervention" OR "treatment" OR "therapy" AND "mental health" NOT "systematic review or meta-analysis"-and limiting it to "journal article" and the English language. To be included in this review, articles had to present at least one quantitative measure of positive functioning and one quantitative measure of symptoms or distress and had to investigate adult populations, including populations with psychiatric disorders. RESULTS: A total of 20 articles were included. They described various VR protocols that were applied for the treatment of anxiety disorders (5/20, 25%), depression (2/20, 10%), posttraumatic stress disorder (3/20, 15%), psychosis (3/20, 15%), and stress (7/20, 35%). Most of the studies (13/20, 65%) showed the beneficial effects of VR therapies in improving stress and negative symptoms. However, 35% (7/20) of the studies showed no or a small effect on the various dimensions of positivity, particularly in clinical samples. CONCLUSIONS: VR interventions might be cost-effective and largely scalable, but further research is needed to develop existing VR software and treatments according to the modern positive mental health approach.
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.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,001 | 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 découle