Virtual Reality Companion for Dementia Patients in Long‐term Care: A Feasibility Study
Notice bibliographique
Résumé
Abstract Background Persons with dementia (PWDs) develop progressive cognitive and physical decline which often results in placement in long‐term care (LTC). Within LTC, PWDs are at high risk for social isolation, as friends and family members may not visit often, a problem exacerbated by the COVID‐19 pandemic. Method This project is developing a novel application for immersive virtual reality (VR), in which an avatar (i.e. a visual representation of a person) acts as an autonomous artificial companion for PWDs in LTC. This avatar is programmed to listen to PWDs through microphones embedded in VR goggles, and provide verbal interaction with PWDs through embedded speakers. In this way, the avatar can provide a source of conversation and socialization, available at any time, for any duration. This engagement may improve quality of life, and reduce responsive and reactive dementia behaviours. Result Our virtual companion was trialed in 10 PWD (3 men; 7 women). Most PWD found the companion to be engaging, and this invited positive reminiscence in 3 PWD. VR goggles were generally well‐tolerated, though 2 PWD closed their eyes and/or did not respond. The ability to interact verbally in a conversational manner was easier in patients with milder dementia. There was some poor performance of the speech recognition software, which impacted the flow of the conversation. Significant verbal feedback was recorded on how to improve the avatar, and how to enhance the conversation. Conclusion An autonomous artificial companion presented in virtual reality (VR) is feasible, and may benefit persons with dementia who are at risk of social isolation. Future iterations will incorporate improved speech recognition and artificial intelligence (AI)‐guided conversation generator software.
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 | 0,004 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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.
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 ».