Virtual reality for reduction of intraprocedural pharmacological sedation and analgesia in adult patients: A systematic review and meta-analysis
Notice bibliographique
Résumé
Pharmacological sedation and analgesia are used to alleviate discomfort during awake medical procedures but can cause adverse effects like apnea and hypoxemia, increasing the need for airway management and prolonging recovery. Virtual reality (VR) has emerged as a non-pharmacological intervention to reduce the need for procedural sedatives and analgesics. A systematic review and meta-analysis were conducted, assessing the impact of VR immersion on intraprocedural sedation and analgesia usage in adults (≥ 18 years). We searched MEDLINE (PubMed), Embase, Cochrane CENTRAL, and Web of Science from inception to August 1st, 2024. We included analytical studies utilizing VR immersion in the intervention arm, and reporting tailored dosages of intraprocedural sedatives (propofol, midazolam) and/or opioids. Statistical analyses used standardized mean differences (SMD), and heterogeneity was assessed with I 2 . Of 2714 identified papers, 11 (560 patients) were included. VR significantly reduced propofol usage (SMD = −1.70; 95% CI −3.10 to −0.31; P = 0.02; I 2 = 92%) and midazolam usage (SMD = −0.29; 95% CI −0.57 to 0.00; P = 0.05; I 2 = 0%). However, our analysis showed no reduction in opioid usage (SMD = −0.21; 95% CI −0.60 to 0.19; P = 0.31; I 2 = 74%) in the VR group. VR immersion effectively reduces the required dose of intraprocedural sedatives, but its impact on opioid consumption remains unclear, especially in the absence of regional or neuraxial anesthesia. Further research is needed to clarify these effects and optimize VR use in clinical practice. This review’s protocol was prospectively registered on PROSPERO (CRD42024569462).
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 | 0,004 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,008 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| 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 ».