Digital travel using virtual reality in inpatient psychiatric care: Focus group exploration of perspectives from individuals with lived experience.
Notice bibliographique
Résumé
OBJECTIVE: Hospitalization in psychiatry is a challenging experience associated with increased levels of distress, anxiety, and loneliness. Novel technologies are being developed to help alleviate these symptoms and support the treatment and rehabilitation of these individuals. This study aims to explore the perspectives of individuals with lived experience of a complex mood disorder on the proposal of an immersive virtual reality (VR) travel-in-nature application with a social feature being an available service in a psychiatric inpatient unit. METHODS: A thematic analysis was performed with data acquired from two focus group semistructured interviews conducted by a patient partner with individuals currently hospitalized in a short-term inpatient unit dedicated to complex mood disorders. RESULTS: Three themes were generated from the thematic analysis: (a) factors enhancing acceptability, (b) barriers, and (c) envisioning the future of the application and VR in inpatient mental health. CONCLUSIONS: Participants were largely positive regarding the potential of the application and VR in psychiatric inpatient care. They viewed it as a promising rehabilitation tool for relaxation and positive escapism. Concerns regarding suitability, potential risks associated with the technology, and technical barriers were raised and warrant further investigation. IMPLICATIONS FOR PRACTICE: This study's preliminary findings offer relevant information for designing the implementation process of VR in psychiatric inpatient units, with the intent of tailoring services to the needs and realities of their intended users. (PsycInfo Database Record (c) 2026 APA, all rights reserved).
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,003 |
| Science ouverte | 0,001 | 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 ».