The use of extended reality (XR) in patient education: A critical perspective
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
Objective: Extended reality (XR) has emerged as an innovative educational modality that offers the potential for the creation of more interactive and engaging forms of patient education experiences and products. The purpose of this article is to describe the field of XR technologies and review its potential through a critical lens as well as its possible adoption as a mainstream technology for providing patient education in the future. Method: A review of the literature was undertaken to summarise the emerging evidence concerning the effectiveness of XR as a patient education modality. The findings of several reviews are summarised and a critical discussion of potential issues and challenges in the adoption and use of XR among particular marginalised populations are explored. Results: The emerging evidence suggests that different forms of XR technology applications have the potential to create immersive and engaging patient education experiences that can lead to enhanced patient satisfaction, positive educational outcomes and reduced patient anxiety. Nonetheless, there have been calls for greater consideration of how patient characteristics, including socioeconomic status, gender, cultural and generational differences, influence the learning effects of virtual reality educational applications, as well as its adoption and implementation for patient education purposes. Conclusion: The evidence surrounding the effectiveness of XR in patient education is growing; however, various factors could influence the successful adoption and implementation of XR in different patient populations who have traditionally experienced challenges with digital health literacy. The paper offers some recommendations for enhancing the evidence base and potential approaches to advance the design and evaluation of XR applications in patient education.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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