Perceptions of physiotherapists about virtual reality using exergames in cardiovascular rehabilitation: a qualitative study
Notice bibliographique
Résumé
Background/Aims Cardiovascular rehabilitation is a secondary preventative care model for outpatients. Despite its benefits, cardiac rehabilitation is greatly underused. Virtual reality‑based therapy could be a complementary treatment for traditional cardiac rehabilitation which promotes physical activity, enhancing motivation and increasing adherence to rehabilitation programmes. This qualitative study examined physiotherapists' perceptions toward using virtual reality‑based therapy based on exergames as part of cardiac rehabilitation programmes. Methods This qualitative study used focus groups to evaluate the perceptions of nine physiotherapists who have used virtual reality‑based therapy with exergames in cardiac rehabilitation. Results Participants' attitudes towards virtual reality‑based therapy were overall positive, and found it could improve patients' adherence to a cardiac rehabilitation programme. Barriers to VRBT were also identified, including technical difficulties, patients being insecure about using a new therapeutic modality and managing the level of effort during the session. Suggestions for improvements included training for clinical staff, and having a introductory session for patients to help get used to the therapy and to find out what games they would prefer to play. Conclusions Virtual reality‑based therapy can provide a change from the traditional treatment routine; however, there are some barriers, including potential safety concerns and technical issues. Feedback on haemodynamic parameters and identification of signs and symptoms of a cardiac event could be incorporated into games made specifically for patients undergoing cardiac rehabilitation. Implications for practice Finding different ways to engage patients is needed. Based on the perceptions of physiotherapists from this study, VRBT could be one of the solutions to reach these goals for patients receiving cardiac rehabilitation.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,010 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,005 | 0,004 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 source (Gemma direct ou Codex distillé), 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 ».