Use of augmented and virtual reality in resuscitation training: A systematic review
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Objectives: To evaluate the effectiveness of augmented reality (AR) and virtual reality (VR), compared with other instructional methods, for basic and advanced life support training. Methods: This systematic review was part of the continuous evidence evaluation process of the International Liaison Committee on Resuscitation (ILCOR) and reported based on the Preferred Reporting Items for Systematic review and Meta-Analysis (PRISMA) guidelines and registered with PROSPERO (CRD42023376751). MEDLINE, EMBASE, and SCOPUS were searched from inception to January 16, 2024. We included all published studies comparing virtual or augmented reality to other methods of resuscitation training evaluating knowledge acquisition and retention, skills acquisition and retention, skill performance in real resuscitation, willingness to help, bystander CPR rate, and patients' survival. Results: Our initial literature search identified 1807 citations. After removing duplicates, reviewing the titles and abstracts of the remaining 1301 articles, full text review of 74 articles and searching references lists of relevant articles, 19 studies were identified for analysis. AR was used in 4 studies to provide real-time feedback during CPR, demonstrating improved CPR performance compared to groups trained with no feedback, but no difference when compared to other sources of CPR feedback. VR use in resuscitation training was explored in 15 studies, with the majority of studies that assessed CPR skills favoring other interventions over VR, or showing no difference between groups. Conclusion: Augmented and virtual reality can be used to support resuscitation training of lay people and healthcare professionals, however current evidence does not clearly demonstrate a consistent benefit when compared to other methods of training.
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.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| 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 découle