MétaCan
Menu
← Retour à la cohorte
Enregistrement W4391470714 · doi:10.7759/cureus.53450

Development and Implementation of a Stress Monitoring Paradigm Using Virtual Reality Simulation During the COVID-19 Pandemic

2024· article· en· W4391470714 sur OpenAlexaff
Andrei Torres, Binh Nguyen, Bill Kapralos, Sridhar Krishnan, Douglas M. Campbell, Lindsay Beavers, Adam Dubrowski, Venkat Bhat

Notice bibliographique

RevueCureus · 2024
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealthcare professionals’ stress and burnout
Établissements canadiensUniversity of TorontoSt. Michael's HospitalToronto Public HealthOntario Tech University
Organismes subventionnairesU.S. Department of Defense
Mots-clésAgile software developmentHealth careDistressUser storyPsychologyComputer scienceHonestyWork (physics)Social psychologyEngineeringSoftware development

Résumé

récupéré en direct d'OpenAlex

Healthcare providers, particularly during the COVID-19 crisis, have been forced to make difficult decisions and have reported acting in ways that are contrary to their moral values, integrity, and professional commitments, given the constraints in their work environments. Those actions and decisions may lead to healthcare providers' moral suffering and distress. This work outlines the development of the Moral Distress Virtual Reality Simulator (Moral Distress VRS) to research stress and moral distress among healthcare workers during the COVID-19 pandemic. The Moral Distress VRS was developed based on the agile methodology framework, with three simultaneous development streams. It followed a two-week sprint cycle, ending with meetings with stakeholders and subject matter experts, whereby the project requirements, scope, and features were revised, and feedback was provided on the prototypes until reaching the final prototype that was deployed for in-person study sessions. The final prototype had two user interfaces (UIs), one for the participant and one for the researcher, with voice narration and customizable character models wearing medical personal protective equipment, and followed a tree-based dialogue scenario, outputting a video recording of the session. The virtual environment replicated an ICU nursing station and a fully equipped patient room. We present the development process that guided this project, how different teams worked together and in parallel, and detail the decisions and outcomes in creating each major component within a limited deadline. Finally, we list the most significant challenges and difficulties faced and recommendations on how to solve them.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,030

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,009
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,002
Communication savante0,0020,002
Science ouverte0,0020,004
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,237
Tête enseignante GPT0,539
Écart entre enseignants0,302 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

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

En bref

Citations1
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCureus→Même sujetHealthcare professionals’ stress and burnout→Travaux en français237 207→