Using Virtual Reality to Facilitate Reminiscence Therapy for People with Dementia
Notice bibliographique
Résumé
Background:Reminiscence therapy (RT) is a multi-sensory treatment that uses a combination of sight, touch, taste, smell and sound to help people with dementia (PWD) remember events, people and places from their past lives. Currently, digital technologies such as mobile applications and immersive solutions including virtual and augmented reality, are gaining momentum as supplementary tools for RT. This paper presents a usability study of a web-based and virtual reality application to understand the limitations and opportunities of digital platforms for facilitating engaging experiences for PWD towards recalling memories, while easing the therapy process for the caregivers.Methods:A total of fifteen healthcare caregivers were recruited from the Geriatric Dementia Unit and Geriatric Transitional Unit in Ontario Shores Center for Mental Health Sciences, Ontario Canada. Usability feedback from the caregivers were collected from the interviews after the completion of the System Usability Scale (SUS) questionnaire.Results:Healthcare caregivers found both web-based and virtual reality (VRRT) usable with SUS score above average (68/100), but required improvements related to the onboarding training of caregivers. The interview revealed four overarching themes related to the VRRT: (1) Ease of use; (2) Positive impact on caregiving; (3) Potential reduction in behavioral symptoms; (4) Feasibility of promoting social connection during COVID-19 pandemic.Conclusion:Next steps will focus on improving the user experience and expanding the application for immersive VR supporting head-mounted displays, hand tracking, and physiological measures, as well as conducting a usability study with PWD to expand our understanding of using RT digital tools with various levels of immersion.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 ».