MétaCan
Menu
Retour à la cohorte
Enregistrement W4409074484 · doi:10.3389/fneur.2025.1496382

Effects of virtual reality-based interventions on cognitive function, emotional state, and quality of life in patients with mild cognitive impairment: a meta-analysis

2025· review· en· W4409074484 sur OpenAlexaboutno aff
Xiaohan Li, Lifeng Tang, Lin Ye, Min Tang

Notice bibliographique

RevueFrontiers in Neurology · 2025
Typereview
Langueen
DomaineMedicine
ThématiqueDementia and Cognitive Impairment Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCognitionQuality of life (healthcare)Psychological interventionCognitive impairmentMeta-analysisPsychologyVirtual realityCognitive psychologyMedicineClinical psychologyPsychotherapistNeuroscienceComputer sciencePsychiatryHuman–computer interactionInternal medicine

Résumé

récupéré en direct d'OpenAlex

Objectives This meta-analysis aims to systematically evaluate the effects of virtual reality (VR)-based interventions on cognitive function, emotional state, and quality of life in patients with mild cognitive impairment (MCI). Methods A comprehensive literature search was conducted using five databases from their inception to June 2024. The inclusion criteria focused on randomized controlled trials (RCTs) that examined VR-based interventions in adults aged 60 or older diagnosed with MCI. The primary outcome was cognitive function, while secondary outcomes included emotional state, quality of life, and dynamic balance. To investigate potential sources of heterogeneity, subgroup analyses and meta-regression were conducted. Subgroup analyses were stratified by VR parameters (immersion level, duration, session, and frequency) and demographic factors (geographic region, education level, and male proportion). Publication bias was assessed using funnel plots and Egger’s regression test. A “trim and fill” method was employed to adjust for any detected publication bias. The certainty of the evidence was evaluated using the Grading of Recommendations Assessment, Development, and Evaluation (GRADE) framework with the GRADEpro GDT software. Results A total of 30 RCTs involving 1,365 participants from 9 countries across 4 continents were included. The meta-analysis revealed that VR-based interventions significantly improved global cognition, as assessed by the Montreal Cognitive Assessment (MoCA; SMD = 0.82, 95% CI: 0.27 to 1.38, p = 0.003, GRADE: moderate) and the Mini-Mental State Examination (MMSE; SMD = 0.83, 95% CI: 0.40 to 1.26, p = 0.0001, GRADE: low). Additionally, VR interventions enhanced attention, as measured by the Digit Span Backward (DSB; SMD = 0.61, 95% CI: 0.21 to 1.02, p = 0.003, GRADE: low) and Digit Span Forward (DSF; SMD = 0.89, 95% CI: 0.34 to 1.45, p = 0.002, GRADE: low). Improvements were also observed in quality of life, as indicated by scores on the Instrumental Activities of Daily Living (IADL; SMD = 0.22, 95% CI: 0.00 to 0.45, p = 0.049, GRADE: moderate). However, no significant effects were found for executive function, memory, verbal fluency, visual abilities, emotional status, or dynamic balance ( p > 0.05). Subgroup analysis revealed that VR interventions were more effective when using semi-immersive VR, with session durations of ≤60 min and a frequency of more than twice per week. Participants from Asia and Europe demonstrated better outcomes, and a lower proportion of male participants (≤ 40%) was also associated with improvements in targeted cognitive domains. Conclusion The findings indicate that VR interventions can significantly improve global cognition, attention, and quality of life in individuals with MCI. Subgroup analyses further revealed that optimal cognitive outcomes were associated with semi-immersive VR, session durations of ≤60 min, intervention frequencies exceeding twice per week, studies conducted in Asia and Europe, and participant groups with a male proportion of ≤40%. Moreover, the study provides valuable insights into secondary outcomes, suggesting that VR interventions may positively impact emotional state and dynamic balance when appropriately tailored to factors such as immersion level, duration, frequency, and other relevant parameters.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,011
score de la tête « metaresearch » (Gemma)0,024
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Méta-analyse · Signal consensuel: Méta-analyse
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,019
Score d'incertitude au seuil0,059

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0110,024
Méta-épidémiologie (sens strict)0,0030,001
Méta-épidémiologie (sens large)0,0190,052
Bibliométrie0,0050,005
Études des sciences et des technologies0,0010,001
Communication savante0,0040,002
Science ouverte0,0020,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,056
Tête enseignante GPT0,367
Écart entre enseignants0,312 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

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

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

En bref

Citations13
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in NeurologyMême sujetDementia and Cognitive Impairment ResearchTravaux en français237 207