Virtual Reality and Active Video Game Integration within an Intensive Bimanual Therapy Program for Children with Hemiplegia
Notice bibliographique
Résumé
AIMS: To describe the nature of custom and non-custom virtual reality and active video game (VR/AVG) implementation within a Hand-Arm Bimanual Intensive Therapy Including Lower Extremities (HABIT-ILE) intervention program for children with hemiplegia. METHODS: Six children aged 8-11 years participated in a 10-day HABIT-ILE intervention (65 h; 6.5 planned VR/AVG hours). VR/AVG implementation details were recorded daily and summarized with descriptive statistics; active motor engagement was quantified as minutes of active game participation. Post-intervention interviews with interventionists were analyzed with qualitative content analysis. RESULTS: On average, participants received 79% of the planned VR/AVG dosage (314/400 planned minutes, range 214-400 min), of which the per-session active motor engagement average was 68% (27 min, SD 12 min). Participation involved equivalent amounts of custom (49%) and non-custom (51%) VR/AVG system use. Material and verbal adaptations facilitated alignment with HABIT-ILE principles. Interventionists identified type of task (gross versus fine motor), children's perceived motivation, and VR/AVG attributes as factors influencing active motor engagement and alignment with HABIT-ILE principles. CONCLUSIONS: Describing individual and technological challenges of VR/AVG integration within HABIT-ILE can advance knowledge about VR/AVG use in intensive interventions and identify directions for subsequent research.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».