VR-based simulation training for de-escalation of responsive behaviours in persons with dementia: efficacy and feasibility
Notice bibliographique
Résumé
Introduction Caregivers of persons with dementia (PWD) frequently face physical assault and emotional abuse when providing care. Providing experiential opportunities for caregivers to develop skills that maximize safe, compassionate care is a priority. Human simulation has demonstrated greater effectiveness than didactic activities in developing clinical skills. However, this requires consideration of physical safety for both learners and simulated participants (SPs), limiting the full expression of behaviours. To address this limitation, we conducted a proof-of-concept study engaging SPs on a synchronous, facilitated VR platform responding realistically, but safely, to learners’ communication approaches. Learners negotiated online with potential threats of violence from the SPs. Methods This study used a pre/post mixed-method research design. Both qualitative and quantitative approaches were used to explore the impact of this training on participants’ knowledge, confidence and comfort when providing care to PWD. Results Overall, participant ratings of knowledge, confidence and comfort increased post-training, as compared to pre-training (p = 0.28, p = 0.26 and p = 0.70, respectively). Although these increases were not statistically significant, the results were consistent with qualitative data related to these outcomes. However, after adjusting for participants’ prior training in working with PWD, significant increases were associated with the subgroup of novice learners but not for the subgroup who had previous experience (interaction p = 0.004, p = 0.03 and p = 0.02, respectively). Discussion Our findings provide insights into the implications of VR-based training for managing responsive behaviours of PWD. VR training has the ability to increase caregiver knowledge, confidence and comfort working with PWD who are exhibiting responsive behaviours, as shown by participants.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».