Assessing the impact of mixed reality-assisted informed consent: A study protocol
Notice bibliographique
Résumé
Background: Informed consent is a crucial aspect of modern medicine, but it can be challenging due to the complexity of the information involved. Mixed reality (MR) has emerged as a promising technology to improve communication. However, there is a lack of comprehensive research on the impact of MR on medical informed consent. The proposed research protocol provides a solid foundation for conducting future investigations and developing MR-based protocols that can enhance patients' understanding and engagement in the decision-making process. Methods: This study will employ a randomized controlled trial design. Two arms will be defined: MR-assisted informed consent (MRaIC) as the experimental arm and conventional informed consent (CIC) as the control arm consent, with 52 patients in each group. The protocol includes the use of questionnaires to analyze the anxiety levels and the awareness of the procedure that the patient is going to perform to study the impact of MRaIC versus CIC before medical procedures. Results: The study will evaluate the impact of MR on patients' information comprehension, engagement during the process of obtaining informed consent, emotional reactions, and consent decisions. Ethical concerns will be addressed. Conclusion: This study protocol provides a comprehensive approach to investigate the impact of MR on medical informed consent. The findings may contribute to a better understanding of the effects of MR on information comprehension, engagement during the process of obtaining informed consent, psychological experience, consent decisions, and ethical considerations. The integration of MR technology has the potential to enhance surgical communication practices and improve the informed consent process.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».