Ethical considerations in implementing virtual reality programs in long-term care settings: Case studies from in Canada and the Czech Republic
Notice bibliographique
Résumé
Virtual Reality (VR) presents opportunities for improving the quality of life of older adults living in long-term care (LTC) homes. While current research primarily examines the feasibility of VR implementation, there remains a lack of studies addressing the ethical considerations pertinent to older adults residing in care settings. Drawing upon case studies from LTC settings in Canada and the Czech Republic, this paper compares common challenges and unique ethical issues associated with VR implementation. We employ a human rights-based approach to discuss lessons learned in the two countries and implications for further research and development of VR interventions for LTC residents. Our reflection focuses on lessons learnt: 1) LTC residents have restricted access to benefits from VR in LTC, 2) risk aversion culture in LTC, 3) involvement of LTC residents in VR development and adoption, 4) cultural relevance, 5) ageism and exclusion, and 6) respecting the right to decline VR. The reflection underscores the importance of engaging relevant partners (residents, families, care partners, leadership teams, industrial partners, and researchers) to develop implementation plans and create collective ownership of the virtual reality program. Continuous team reflections on the design process, technology uptake, and implementation are crucial in ensuring residents’ well-being, equity, and cultural sensitivity in adopting technology in LTC. Informed by the reflection, we developed six practical strategies focusing on Access, Balance, Connection, Diversity, Engagement and Freedom to say no, acronymized as ABCDEF. Future research should explore system support, policies, and guidelines to support the ethical use of virtual reality in LTC settings.
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 | 0,012 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,003 |
| 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 ».