MétaCan
Menu
Retour à la cohorte
Enregistrement W4387452082 · doi:10.2196/52022

Virtual Reality in Clinical Nursing Practice Over the Past 10 Years: Umbrella Review of Meta-Analyses

2023· review· en· W4387452082 sur OpenAlexvenueno aff
Yanjie Hu, Xingzhu Yuan, Peiling Ye, Chengting Chang, Yuehan Hu, Weihua Zhang, Ka Li

Notice bibliographique

RevueJMIR Serious Games · 2023
Typereview
Langueen
DomaineMedicine
ThématiquePediatric Pain Management Techniques
Établissements canadiensnon disponible
Organismes subventionnairesWest China Hospital, Sichuan UniversityChengdu Science and Technology BureauSichuan UniversityNational Natural Science Foundation of China
Mots-clésNursingVirtual realityMedicinePsychologyComputer scienceHuman–computer interaction

Résumé

récupéré en direct d'OpenAlex

Background: Virtual reality (VR) has shown promising levels of effectiveness in nursing education, pain management, and rehabilitation. However, meta-analyses have discussed the effects of VR usage in nursing unilaterally and inconsistently, and the evidence base is diffuse and varied. Objective: We aimed to synthesize the combined evidence from meta-analyses that assessed the effects of nurses using VR technology on nursing education or patient health outcomes. Methods: We conducted an umbrella review by searching for meta-analyses about VR intervention in clinical nursing practice on Web of Science, Embase, Cochrane, and PubMed, and in reference lists. Eligible studies were published in English between December 1, 2012, and September 20, 2023. Meta-analyses of ≤2 intervention studies and meta-analyses without 95% CI or heterogeneity data were excluded. Characteristic indicators, population information, VR intervention information, and 95% CIs were extracted. A descriptive analysis of research results was conducted to discern relationships between VR interventions and outcomes. I2 and P values were used to evaluate publication bias. AMSTAR (A Measurement Tool to Assess Systematic Reviews) 2 and the GRADE (Grading of Recommendations Assessment, Development, and Evaluation) checklist were used to appraise literature quality. Results: In total, 768 records were identified; 74 meta-analyses were included for review. The most reported VR study conditions were neuronursing (25/74, 34%), pediatric nursing (13/74, 18%), surgical and wound care (11/74, 15%), oncological nursing (11/74, 15%), and older adult nursing (10/74, 14%). Further, 30% (22/74) of meta-analyses reported publication bias, and 15% (11/74) and 8% (6/74) were rated as "high" based on AMSTAR 2 and the GRADE checklist, respectively. The main outcome indicators among all included meta-analyses were pain (37/214, 17.3%), anxiety (36/214, 16.8%), cognitive function (17/214, 7.9%), balance (16/214, 7.5%), depression (16/214, 7.5%), motor function (12/214, 5.6%), and participation in life (12/214, 5.6%). VR treatment for cognition, pain, anxiety, and depression was effective (all P values were <.05), while the utility of VR for improving motor function, balance, memory, and attention was controversial. Adverse effects included nausea, vomiting, and dizziness (incidence: range 4.76%-50%). The most common VR platforms were Pico VR glasses, head-mounted displays, the Nintendo Wii, and the Xbox Kinect. VR intervention duration ranged from 2 weeks to 12 months (typically ≥4 wk). VR session length and frequency ranged from 5 to 100 minutes and from 1 to 10 times per week, respectively. Conclusions: VR in nursing has positive effects-relieving patients' pain, anxiety, and depression and improving cognitive function-despite the included studies' limited quality. However, applying VR in nursing to improve patients' motor function, balance, memory, and attention remains controversial. Nursing researchers need to further explore the effects and standard operation protocols of VR in clinical practice, and more high-quality research on VR in nursing is needed.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,008
score de la tête « metaresearch » (Gemma)0,005
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,703
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0080,005
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0060,003
Bibliométrie0,0000,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,302
Tête enseignante GPT0,555
Écart entre enseignants0,252 · 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 tête enseignante, pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

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

En bref

Citations19
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Serious GamesMême sujetPediatric Pain Management TechniquesTravaux en français237 207