MétaCan
Menu
Retour à la cohorte
Enregistrement W4399940830 · doi:10.2196/preprints.63487

Virtual, augmented and mixed reality for motor neurorehabilitation: a scoping review focused on the role of body representation (Preprint)

2024· preprint· en· W4399940830 sur OpenAlexaboutno aff
Massimo Magrini, Olivia Curzio, Cristina Dolciotti, Gabriele Donzelli, Maria Cristina Imiotti, Fabrizio Minichilli, Davide Moroni, Paolo Bongioanni

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineComputer Science
ThématiqueVirtual Reality Applications and Impacts
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésNeurorehabilitationPreprintRepresentation (politics)Mixed realityVirtual realityPhysical medicine and rehabilitationPsychologyComputer scienceHuman–computer interactionCognitive scienceMedicineRehabilitationNeurosciencePolitical scienceWorld Wide Web

Résumé

récupéré en direct d'OpenAlex

BACKGROUND Extended reality (XR), encompassing virtual reality (VR), augmented reality (AR), and mixed reality (MR), is increasingly used in neurorehabilitation to provide multisensory feedback and promote neural plasticity in sensorimotor networks. OBJECTIVE This scoping review aimed to: (1) examine how XR technologies are applied in motor neurorehabilitation; (2) explore how body representation and somatic embodiment are addressed; and (3) analyse the methodological designs of XR-based interventions. METHODS The protocol was registered in PROSPERO (ID: 481092) and conducted in accordance with PRISMA-ScR guidelines. A structured search of PubMed, Embase, Scopus, and Web of Science identified relevant peer-reviewed articles published up to 2023. Studies were included if they: (a) involved XR-based interventions explicitly targeting neurorehabilitation; and (b) reported data on implementation or user outcomes. Exclusion criteria included non-XR studies and reviews lacking original findings. Key variables extracted included study design, participant characteristics, XR devices and software used, and treatment approaches related to somatic embodiment. Methodological quality was assessed using the Newcastle-Ottawa Scale. RESULTS A total of 26 studies were included, primarily clinical trials involving neurological patients. XR technologies have evolved considerably between 2008 and 2023, with the adoption of cost-effective devices such as Oculus Rift and HTC Vive accelerating research. Interventions often targeted sensorimotor deficits, with many studies showing measurable improvements in motor and cognitive function. Both first-person and third-person perspectives were employed, with task-specific advantages for each. Five studies incorporated EEG to monitor brain responses, while two used non-invasive brain stimulation to augment therapeutic effects. Additional tools included eye trackers and motion sensors. Unity 3D was the most widely used development platform for XR applications. CONCLUSIONS Evidence from the reviewed studies supports the effectiveness of XR interventions in enhancing reinforcement learning and facilitating recovery in neurorehabilitation. Tailored XR approaches, grounded in embodiment principles and patient-specific needs, show promise for improving outcomes in neurological rehabilitation programs. CLINICALTRIAL Prospero ID: 481092

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,010
score de la tête « metaresearch » (Gemma)0,038
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,051

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0100,038
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0030,004
Bibliométrie0,0100,010
Études des sciences et des technologies0,0010,001
Communication savante0,0050,004
Science ouverte0,0020,003
Intégrité de la recherche0,0030,002
Charge utile insuffisante (le modèle a refusé de juger)0,0090,001

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.

Tête enseignante Opus0,057
Tête enseignante GPT0,354
Écart entre enseignants0,297 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeRevue systématique
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetVirtual Reality Applications and ImpactsTravaux en français237 207