The staff perspectives of facilitators and barriers to implementing virtual reality for people living with dementia in long-term care
Notice bibliographique
Résumé
Introduction: One emerging technology in long-term care (LTC) is virtual reality (VR), an innovative tool that uses head-mounted devices to provide the viewer with an immersive experience. It has been shown that VR has a positive impact on the well-being of residents living with dementia, and staff are essential in the implementation and sustainable use of technology. Currently, there is a lack of inclusion and focus on direct staff perspectives on VR implementation in LTC. This paper aims to report staff perspectives on VR adoption in a 2-year study on a virtual reality program at three Canadian LTC homes. Methods: Our interdisciplinary team (clinicians, people living with dementia and family partners, trainees, and researchers) explored the facilitators and barriers to implementing VR in LTC, guided by the Consolidated Framework for Implementation Research (CFIR) and intersectionality supplemented CFIR. Twenty-one participants were recruited, including recreation staff, care aides, nurses, screeners, and leadership team members. The team collected data through staff interviews, focus groups, and ethnographic observation field notes. Reflexive thematic analysis was performed to identify themes reporting the facilitators and barriers for VR implementation in LTC from staff perspectives. Results: The data analysis resulted in three facilitators and four barriers. Facilitators are (1) perceived VR benefits, (2) integrate VR into workflow and routines, and (3) partner with skillful VR champions. Barriers include (1) staff concerns about VR use, (2) financial burden and competing priorities, (3) lack of infrastructure and physical spaces, and (4) staff workload and limited leadership support. Discussion: This study contributes to the field with staff perspectives on facilitators and barriers to VR implementation. It underscores the rarely discussed aspects of VR implementation, such as funding prioritization and implementation timing. We offer practical strategies to inform future practices and research. Future studies should further explore long-term VR implementation, the involvement of family members as VR facilitators, and the use of VR in LTC.
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) | 0,000 | 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) | 0,000 | 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 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 ».