MétaCan
Menu
Retour à la cohorte
Enregistrement W4386929303 · doi:10.2196/34162

Effects of Embodiment in Virtual Reality for Treatment of Chronic Pain: Pilot Open-Label Study

2023· article· en· W4386929303 sur OpenAlexvenueno aff
Adam Saby, Anthony Alvarez, David Smolins, James G. Petros, Lincoln Nguyen, Michael Trujillo, Oytun Aygün

Notice bibliographique

RevueJMIR Formative Research · 2023
Typearticle
Langueen
DomaineComputer Science
ThématiqueVirtual Reality Applications and Impacts
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPhysical therapyVisual analogue scaleMedicinePhysical medicine and rehabilitationVirtual realityChronic painModalitiesSession (web analytics)Randomized controlled trialRehabilitation

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Chronic pain has long been a major health burden that has been addressed through numerous forms of pharmacological and nonpharmacological treatment. One of the tenets of modern medicine is to minimize risk while providing efficacy. Further, because of its noninvasive nature, virtual reality (VR) provides an attractive platform for potentially developing novel therapeutic modalities. OBJECTIVE: The purpose of this study was to determine the feasibility of a novel VR-based digital therapy for the treatment of chronic pain. METHODS: An open-label study assessed the feasibility of using virtual embodiment in VR to treat chronic pain. In total, 24 patients with chronic pain were recruited from local pain clinics and completed 8 sessions of a novel digital therapeutic that combines virtual embodiment with graded motor imagery to deliver functional rehabilitation exercises over the course of 4 weeks. Pain intensity as measured by a visual analog scale before and after each virtual embodiment training session was used as the primary outcome measure. Additionally, a battery of patient-reported pain questionnaires (Fear-Avoidance Beliefs Questionnaire, Oswestry Low Back Pain Disability Questionnaire, Pain Catastrophizing Scale, and Patient Health Questionnaire) were administered before and after 8 sessions of virtual embodiment training as exploratory outcome measures to assess if the measures are appropriate and warrant a larger randomized controlled trial. RESULTS: A 2-way ANOVA on session × pre- versus postvirtual embodiment training revealed that individual virtual embodiment training sessions significantly reduced the intensity of pain as measured by the visual analog scale (P<.001). Perceived disability due to lower back pain as measured by the Oswestry Low Back Pain Disability Questionnaire significantly improved (P=.003) over the 4-week course of virtual embodiment regimen. Improvement was also observed on the helplessness subscale of the Pain Catastrophizing Scale (P=.02). CONCLUSIONS: This study provides evidence that functional rehabilitation exercises delivered in VR are safe and may have positive effects on alleviating the symptoms of chronic pain. Additionally, the virtual embodiment intervention may improve perceived disability and helplessness of patients with chronic pain after 8 sessions. The results support the justification for a larger randomized controlled trial to assess the extent to which virtual embodiment training can exert an effect on symptoms associated with chronic pain. TRIAL REGISTRATION: ClinicalTrials.gov NCT04060875; https://clinicaltrials.gov/ct2/show/NCT04060875.

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)0,002
score de la tête « metaresearch » (Gemma)0,002
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: Essai non randomisé
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0030,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,002
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,199
Tête enseignante GPT0,483
Écart entre enseignants0,284 · 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

Citations10
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Formative ResearchMême sujetVirtual Reality Applications and ImpactsTravaux en français237 207