MétaCan
Menu
Retour à la cohorte
Enregistrement W4408514261 · doi:10.2196/66557

Novel Virtual Reality Intervention for Stress Reduction Among Patients With or at Risk for Cardiovascular Disease: Mixed Methods Pilot Study

2025· article· en· W4408514261 sur OpenAlexvenueno aff
Katherine Elizabeth Makaroff, Christopher Van, Vincent Grospe, Lynae Edmunds, Marcella Calfon Press, Karol E. Watson, Tamara B. Horwich

Notice bibliographique

RevueJMIR Cardio · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueCardiac Health and Mental Health
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPreprintStress reductionIntervention (counseling)DiseaseMedicineVirtual realityReduction (mathematics)Stress (linguistics)GerontologyPsychologyPhysical therapyComputer scienceInternal medicineHuman–computer interactionWorld Wide WebPsychiatryMathematics

Résumé

récupéré en direct d'OpenAlex

Background: Virtual reality (VR) has emerged as a promising, low-risk strategy to manage many forms of psychological stress and may be a modality to improve cardiovascular health. Recent scientific statements on the mind-heart-body connection call for better adherence to psychological screening and adoption of more holistic "behavioral cardiology" interventions that improve the overall health of patients with or at risk for cardiovascular disease (CVD). Objective: The aim of this study is to assess safety and preliminarily explore how a VR experience can aid in stress reduction among patients with or at risk for CVD. Methods: A convergent mixed methods approach was used for this single-arm prospective pilot study. In total, 20 patients were recruited from the University of California Los Angeles adult cardiology clinics and cardiac rehabilitation. Surveys and physiologic parameters were collected before, during, and after a 30-minute VR experience aimed at relaxation. The primary outcome was the State-Trait Anxiety Inventory-State (STAI-S) scale. They participated in a 90-minute visit, during which they completed surveys, including the STAI-S scale, before and after a 30-minute VR experience. Physiological parameters were also collected before, during, and after the experience. Visits concluded with semistructured interviews analyzed with inductive thematic analysis to add depth and nuance to our analysis. Results: STAI-S scale scores after the VR experience were significantly decreased from baseline (median 31, IQR 28-38 vs median 24, IQR-29.25; P<.001). Verbal feedback revealed that participants experienced a relaxing sense of "distance from stress" moderated by unexpected, intense audiovisual components. Heart rate significantly decreased (mean 73, SD 8 vs mean 67, SD 6 beats per minute; P<.001), while blood pressure (mean systolic 128, SD 14 vs mean systolic 129, SD 18 mm Hg; P=.75 and mean diastolic 79, SD 9 vs mean diastolic 80, SD 10 mm Hg; P=.60) and galvanic skin response (mean 0.74, SD 0.89 vs mean 0.70, SD 0.57 microsiemens; P=.45) remained the same. Changes in heart rate variability parameters were consistent with increased vagal tone over time but were only statistically significant at certain time points. Survey results and interviews generally indicated safety, tolerability, and openness to using VR again. Conclusions: This sample of patients with CVD or risk of CVD had above-average stress, consistent with epidemiological data; the statistically and clinically significant decrease in subjective perception of stress partially converged with physiologic data. Overall, the VR intervention was a safe and feasible stress reduction method. Future research is needed to evaluate the effectiveness of this immersive therapy in reducing cardiovascular risk profiles.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,444
Score d'incertitude au seuil0,776

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,043
Tête enseignante GPT0,402
Écart entre enseignants0,359 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR CardioMême sujetCardiac Health and Mental HealthTravaux en français237 207