P‐BB‐76 | The Use of Mixed Reality Technology within the Donor Collection Experience
Notice bibliographique
Résumé
Mixed Reality (MR) is a form of augmented reality—an immersive and interactive experience able to enhance a user's environment. Here we report early results from a pilot study to evaluate MR's usability, impact on anxiety, and safety in blood donation Whole blood donors ≥18 years old were enrolled in an IRB approved prospective observational study at 2 US blood centers. After study consent, eligible donors were provided a MR headset with independently developed software to wear during blood donation. Pre-donation (PrD) and post-donation surveys were conducted and donor reaction (rxn) data reviewed. Descriptive statistics and bivariate analyses were performed on survey data. This analysis includes 193 enrolled donors (see Table 1). Overall, 78.9% donors wanted to try MR during donation as it seemed fun/different/cool/interesting. 70.3% donors reported it was moderately, very, or extremely easy to use the MR headset with overall similar acceptance across various age groups (p = .12), and 58% stated they would use MR again during donation with the highest future interest in the 18–19 and 40–49 years age groups. For PrD anxiety, 30.6% (59/193) had little anxiety and 23.7%(45/193) had moderate, high, or extreme anxiety. 40% 1st time and 37.5% 18- to 19-year-old age group donors reported moderate, high, or extreme PrD anxiety which was statistically higher than other donation frequency categories or donation age (p < .05). For donors with PrD anxiety, 69.3% (70/101) responded that MR reduced their anxiety, specifically MR reduced anxiety somewhat in 39.6% (40/101) and significantly in 29.7% (30/101). 5.9% (6/101) and 2.0% (2/101) reported that MR somewhat and significantly increased their anxiety, respectively. The rate of pre-faint rxns and hematoma (hm) in donors using MR was 4.1% (8/193) and 1.0% (2/193), respectively, although the pre-faint rxn rate at Site 1 was 0.6% (1/156) versus 18.9% (7/37) at Site 2. The baseline pre-faint rxn and hm rate is 1.8% and 0.68% at Site 1 and 1.9% and 4.6% at Site 2 (Site 2 hm rate includes all phlebotomy incidents). TABLE 1: Donor demographics*
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 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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».