Immersive Technologies for Depression Care: Scoping Review
Notice bibliographique
Résumé
BACKGROUND: Depression significantly impacts quality of life, affecting approximately 280 million people worldwide. However, only 16.5% of those affected receive treatment, indicating a substantial treatment gap. Immersive technologies (IMTs) such as virtual reality (VR) and augmented reality offer new avenues for treating depression by creating immersive environments for therapeutic interventions. Despite their potential, significant gaps exist in the current evidence regarding the design, implementation, and use of IMTs for depression care. OBJECTIVE: We aim to map the available evidence on IMT interventions targeting depression treatment. METHODS: This scoping review followed a methodological framework, and we systematically searched databases for studies on IMTs and depression. The focus was on randomized clinical trials involving adults and using IMTs. The selection and charting process involved multiple reviewers to minimize bias. RESULTS: The search identified 16 peer-reviewed articles, predominantly from Europe (n=10, 63%), with a notable emphasis on Poland (n=9, 56%), which contributed to more than half of the articles. Most of the studies (9/16, 56%) were conducted between 2020 and 2021. Regarding participant demographics, of the 16 articles, 5 (31%) exclusively involved female participants, and 7 (44%) featured participants whose mean or median age was >60 years. Regarding technical aspects, all studies focused on VR, with most using stand-alone VR headsets (14/16, 88%), and interventions typically ranging from 2 to 8 weeks, predominantly in hospital settings (11/16, 69%). Only 2 (13%) of the 16 studies mentioned using a specific VR design framework in planning their interventions. The most frequently used therapeutic approach was Ericksonian psychotherapy, used in 56% (9/16) of the studies. Notably, none of the articles reported using an implementation framework or identified barriers and enablers to implementation. CONCLUSIONS: This scoping review highlights the growing interest in using IMTs, particularly VR, for depression treatment but emphasizes the need for more inclusive and comprehensive research. Future studies should explore varied therapeutic approaches and cost-effectiveness as well as the inclusion of augmented reality to fully realize the potential of IMTs in mental health care.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,008 | 0,040 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,005 |
| Bibliométrie | 0,015 | 0,014 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».