Nature-based mindfulness programs using virtual reality to reduce pediatric perioperative anxiety: a narrative review
Notice bibliographique
Résumé
Over 75% of pediatric surgery patients experience preoperative anxiety, which can lead to complicated recoveries. Current interventions are less effective for children over 12 years old. New interventions, like mindfulness-based ones (MBIs), are needed to address this issue. MBIs work well for reducing mental health symptoms in youth, but they can be challenging for beginners. Virtual reality (VR) nature settings can help bridge this gap, providing an engaging 3-D practice environment that minimizes distractions and enhances presence. However, no study has investigated the combined effects of mindfulness training in natural VR settings for pediatric surgery patients, creating a significant gap for a novel intervention. This paper aims to fill that gap by presenting a narrative review exploring the potential of a nature-based mindfulness program using VR to reduce pediatric preoperative anxiety. It begins by addressing the risks of anxiety in children undergoing surgery, emphasizing its impact on physical recovery, and supporting the use of VR for anxiety reduction in hospitals. The review then delves into VR's role in nature and mindfulness, discussing theoretical concepts, clinical applications, and effectiveness. It also examines how the combination of mindfulness, nature, and VR can create an effective intervention, supported by relevant literature. Finally, it synthesizes the existing literature's limitations, findings, gaps, and contradictions, concluding with research and clinical implications.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,001 |
| Bibliométrie | 0,002 | 0,006 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,002 | 0,004 |
| 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».