MétaCan
Menu
Retour à la cohorte
Enregistrement W4386928288 · doi:10.1183/23120541.00570-2022

Virtual reality intervention alleviates dyspnoea in patients recovering from COVID-19 pneumonia

2023· article· en· W4386928288 sur OpenAlexaboutno aff
Sophie Betka, Oliver Alan Kannape, Jemina Fasola, Florian Lance, Sylvain Cardin, Aline Schmit, Thomas Similowski, Paola M. Soccal, Bruno Herbelin, Dan Adler, Olaf Blanke

Notice bibliographique

RevueERJ Open Research · 2023
Typearticle
Langueen
DomaineMedicine
ThématiquePediatric Pain Management Techniques
Établissements canadiensnon disponible
Organismes subventionnairesH2020 Marie Skłodowska-Curie ActionsCanton de GenèveFondation Bertarelli
Mots-clésMedicineInterquartile rangePhysical therapyPneumoniaIntervention (counseling)BreathingVisual analogue scaleInternal medicineAnesthesia

Résumé

récupéré en direct d'OpenAlex

Background Immersive virtual reality (iVR)-based digital therapeutics are gaining clinical attention in the field of pain management. Based on known analogies between pain and dyspnoea, we investigated the effects of visual respiratory feedback on persistent dyspnoea in patients recovering from coronavirus disease 2019 (COVID-19) pneumonia. Methods We performed a controlled, randomised, single-blind, crossover proof-of-concept study (feasibility and initial clinical efficacy) to evaluate an iVR-based intervention to alleviate dyspnoea in patients recovering from COVID-19 pneumonia. Included patients reported persistent dyspnoea (≥5 on a 10-point scale) and preserved cognitive function (Montreal Cognitive Assessment score >24). Assignment was random and concealed. Patients received synchronous (intervention) or asynchronous (control) feedback of their breathing, embodied via a gender-matched virtual body. The virtual body flashed in a waxing and waning visual effect that could be synchronous or asynchronous to the patient's respiratory movements. Outcomes were assessed using questionnaires and breathing recordings. Results Study enrolment was open between November 2020 and April 2021. 26 patients were enrolled (27% women; median age 55 years, interquartile range (IQR) 18 years). Data were available for 24 of 26 patients. The median rating on a 7-point Likert scale of breathing comfort improved from 1 (IQR 2) at baseline to 2 (IQR 1) for synchronous feedback, but remained unchanged at 1 (IQR 1.5) for asynchronous feedback (p<0.05 between iVR conditions). Moreover, 91.2% of all patients were satisfied with the intervention (p<0.0001) and 66.7% perceived it as beneficial for their breathing (p<0.05). Conclusion Our iVR-based digital therapy presents a feasible and safe respiratory rehabilitation tool that improves breathing comfort in patients recovering from COVID-19 infection presenting with persistent dyspnoea. Future research should investigate the intervention's generalisability to persistent dyspnoea with other aetiologies and its potential for preventing chronification.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Essai non randomisé · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,195
Tête enseignante GPT0,481
Écart entre enseignants0,286 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeEssai non randomisé
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations17
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueERJ Open ResearchMême sujetPediatric Pain Management TechniquesTravaux en français237 207