MétaCan
Menu
Retour à la cohorte
Enregistrement W4399960988 · doi:10.2196/52563

Examining the Feasibility, Acceptability, and Preliminary Efficacy of an Immersive Virtual Reality–Assisted Lower Limb Strength Training for Knee Osteoarthritis: Mixed Methods Pilot Randomized Controlled Trial

2024· article· en· W4399960988 sur OpenAlexvenueaboutno aff
Hermione Hin Man Lo, Marques Shek Nam Ng, Hugo Pak-Yiu Fong, Harmony Hoi Ki Lai, Samuel Yeung Shan Wong, Regina Wing Shan Sit

Notice bibliographique

RevueJMIR Serious Games · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueOsteoarthritis Treatment and Mechanisms
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésOsteoarthritisPhysical therapyMedicinePhysical medicine and rehabilitationVirtual realityRandomized controlled trialQuality of life (healthcare)SurgeryComputer science

Résumé

récupéré en direct d'OpenAlex

Background: Knee osteoarthritis prevalently causes significant pain, activity limitations, psychological distress, and reduced quality of life. Despite lower limb strength training being a core treatment for knee osteoarthritis, adherence remains a challenge, prompting the exploration of virtual reality (VR) to improve exercise compliance. Recent research suggests the potential of VR in providing enhanced pain management and functional outcomes for knee osteoarthritis, necessitating further exploration of immersive VR technology. Objective: We aimed to study the feasibility, acceptability, and preliminary efficacy of an immersive VR-assisted lower limb strength training for knee osteoarthritis (VRiKnee). Methods: A convergent, parallel, mixed methods study was conducted in 30 participants with knee osteoarthritis. After 1:1 randomization, the VRiKnee group (n=15) was assigned to perform repetitive concentric quadriceps and isometric vastus medialis oblique exercise in an immersive environment using a head-mounted display for 12 weeks. The control group (n=15) completed the same exercises without VRiKnee. VRiKnee participants were interviewed at week 12 to study VRiKnee acceptability and user experience. Quantitative data included feasibility outcomes such as recruitment, dropout, and exercise adherence rates, and effectiveness outcomes such as the numeric rating scale, the Western Ontario and McMaster Universities Osteoarthritis Index (100 points) pain and function subscales, and objective physical activity measured by metabolic equivalents of task using an ActivPAL accelerometer. Qualitative data were analyzed by thematic analysis, followed by integration with quantitative data using joint displays. Results: The recruitment rate was 100% (N=30), with enrollment of 30 participants in 7.57 weeks. The median age was 63.5 (IQR 61.8-66.3) years, with 76% (n=23) being female. The response rates were 80% and 93% for the VRiKnee and control groups. Dropout rates were 13% for VRiKnee and 7% for the control group. Median exercise adherence was 77% (IQR 37-104%) for VRiKnee and 62% (IQR 40-166%) for the control group, respectively, with adherence reduction over this study's period and no significant intergroup differences (P=.82). No statistically significant differences were observed in primary and secondary outcomes, though positive trends were observed in pain and stiffness. Cybersickness was reported by 5 (33%) participants in the VRiKnee group. In the qualitative analysis, 4 themes, 11 subthemes, and 16 quotes were generated, identifying facilitators and barriers with practical suggestions to enhance the usability of VRiKnee. Conclusions: VRiKnee demonstrated feasibility, acceptability, and potential efficacy in managing knee osteoarthritis. Future trials of larger sample sizes and better VR designs will confirm its role in clinical practice.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Essai randomisé · Signal consensuel: Essai randomisé
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,399
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0030,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,056
Tête enseignante GPT0,370
Écart entre enseignants0,313 · 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 tête enseignante, pas un consensus.

Devis d'étudeEssai randomisé
Domainenon disponible
GenreEmpirique

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

En bref

Citations13
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJMIR Serious GamesMême sujetOsteoarthritis Treatment and MechanismsTravaux en français237 207