Personalised virtual reality in palliative care: clinically meaningful symptom improvement for some
Notice bibliographique
Résumé
OBJECTIVES: This study examined the effects of virtual reality (VR) among palliative care patients at an acute ward. Objectives included evaluating VR therapy benefits across three sessions, assessing its differential impact on emotional versus physical symptoms and determining the proportion of patients experiencing clinically meaningful improvements after each session. METHODS: A mixed-methods design was employed. Sixteen palliative inpatients completed three personalised 20 min VR sessions. Symptom burden was assessed using the Edmonton Symptom Assessment Scale-Revised and quality of life with the Functional Assessment of Chronic Illness Therapy (FACIT-Pal-14). Standardised criteria assessed clinically meaningful changes. Quantitative data were analysed using linear mixed models. RESULTS: Quality of life improved significantly pre-VR to post-VR with a large effect size (Cohen's d: 0.98). Total symptom burden decreased after 20 min VR sessions (Cohen's d: 0.75), with similar effect sizes for emotional (Cohen's d: 0.67) and physical symptoms (Cohen's d: 0.63). Over 50% of patients experienced clinically meaningful improvements per session, though substantial individual variability occurred. CONCLUSIONS: This study reveals the nuanced efficacy of personalised VR therapy in palliative care, with over half of the patients experiencing meaningful benefits in emotional and physical symptoms. The marked variability in responses underscores the need for realistic expectations when implementing VR therapy.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| 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 | 0,001 |
| 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 ».