Daily vs. weekly data collection in VR interventions: Implications from a pilot study of patient-reported outcomes among adults with cancer (Preprint)
Notice bibliographique
Résumé
BACKGROUND Virtual reality (VR) interventions are increasingly used in healthcare settings to improve patient-reported outcomes (PROs). Measuring PROs are commonly evaluated at weekly intervals with data collected via digital surveys. While weekly assessments have benefits, VR devices enable more frequent in-device data collection. It remains unclear whether PROs collected more frequently provide more information on these interventions than PROs collected more infrequently. OBJECTIVE We examined PROs collected daily versus weekly in a VR intervention with nature imagery designed to reduce pain, anxiety and depression and improve well-being among cancer patients. We also evaluated whether guided imagery accompanying the nature imagery improved PROs. METHODS Patients with cancer were randomly assigned to one of four conditions: [1] VR assisted guided imagery (“VRAGI”); [2] VR without guided imagery, [3] “Desktop VR” on a laptop with guided imagery; and [4] Desktop VR without guided imagery. Devices were mailed to patients' homes. Patients engaged with their assigned intervention for 15-20 minutes daily for three weeks. Weekly levels of pain, anxiety, depression and well-being were measured using items from the Edmonton Symptom Assessment Scale. Daily outcomes were collected in-device before and after each VR session. Descriptive analyses and visual pattern comparisons were used to explore trends and answer our research objectives. RESULTS Among 41 patients who consented, eight provided usable data for the current study. Findings from weekly data were unclear. Findings from daily data were more informative and showed such patterns as double-bottoms and plateau effects. There was little evidence for the addition of guided imagery improving PROs above and beyond virtual nature imagery. Still, the greatest change in outcomes over time was seen with the VRAGI condition improving well-being. CONCLUSIONS Daily collection of PROs may be more informative than less frequent data collection. Additional research is needed to confirm these study findings with larger sample sizes. CLINICALTRIAL Clinicaltrials.gov, NCT05348174 INTERNATIONAL REGISTERED REPORT RR2-10.1136/bmjopen-2022-064363
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 | 0,055 | 0,111 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».