Patient Outcomes of a Virtual Reality-Based Music Therapy Pilot in Palliative Care
Notice bibliographique
Résumé
Background: Hospitalized patients with palliative care needs often have high levels of physical and psychological symptom distress. Virtual reality (VR) with a music therapy intervention may improve physical and psychological symptoms. Objectives: To assess symptom distress and quality of life (QOL) among hospitalized palliative care patients who participated in a virtual reality-based music therapy (VR-MT) intervention, and to explore VR-MT from the perspectives of health care professionals involved in their care. Design: Single-arm pilot study of a two-day VR-MT intervention. Setting/Participants: Patients seen by an inpatient palliative care consultation service at a U.S. hospital could participate in the VR-MT intervention. Participants created a customized soundtrack with a music therapist and then listened to it while experiencing a 360-degree VR nature-based environment of their choice. Measurements: Patients completed the Edmonton Symptom Assessment System, revised version (ESAS-r) and McGill Quality of Life, revised version (MQOL-R) before and after VR-MT. Members of the participants' health care teams were interviewed. Results: effect size, 0.68), physical distress subscale (0.52), and psychological distress subscale (0.60); small improvements were observed in total MQOL-r score (0.26) and the existential subscale (0.27). Health care team members described the value of VR-MT as facilitating meaningful conversations. Conclusions: This pilot study of VR combined with a music therapy intervention for hospitalized patients with palliative care needs supports opportunities for future study of potential improvements in symptom distress and QOL.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,003 | 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 ».